基于模糊神经网路分类器的动态手势辨识.pdf

第十二屆離島資訊技術與應用研討會論文集 基於模糊神經網路分類器的動態手勢辨識 陳慶瀚 徐瑩珊 中央大學資工系 中央大學資工系 pierre@.tw carolshan287@ 摘要 容是動態的。 本文研究係著重在動態手勢辨識。 本文提出一個動態手勢的辨識方法，基於動 動態手勢辨識利用連續影像的手部軌跡或是手部 態手勢軌跡變化的模糊特徵，結合模糊神經網路 動作變化來進行分析。目前動態手勢辨識主要的 推論系統進行動態手勢辨識。此一方法先將動態 方法有隱藏馬可夫模型(Hidden Markov Model, 手勢粗分類為圓型動態手勢和線型動態手勢，再 HMM)[5] 、動態時間校正(Dynamic Time 進一步細分類為上下左右和順逆時針方向的動態 Warping)[2] 以及類神經網路(Neural Network)[6] 手勢。我們以六種常用於 IP-TV 操控的動態手勢 等。 為目標進行動態手勢辨識系統的設計和實驗。結 以軌跡為基礎的動態手勢[7]若僅使用預先建 果顯示本方法具有良好的辨識性能以及錯誤容忍 立的手勢資料庫進行特徵抽取、訓練與分類，常 性，並且更適用於真實手勢操控的人機互動環 常無法滿足真實系統的多樣性變化。例如 ，攝影 境。 機所拍攝的手勢資料庫影像與實際手勢揮動即使 關鍵詞： 手勢辨識、模糊系統、神經網路 隸屬於同一動作，有可能會因為揮動位置不同而 造成辨別失敗 ；不同人揮動手勢慣性也有所差 異；即使同一個人在不同時間的動態手勢也會呈 Abstract 現明顯的差異 。 This paper presents a dynamic gesture 我們提出一個以動態手勢軌跡 為特徵的模糊 recognition method based on the combination of the fuzzy features of the dynamic gesture track changes 神經網路分類方法。首先擷取手勢軌跡特徵，接 and the fuzzy neural network inference system. This 著以兩個模糊神經網路分類器粗分類手勢為直線 method first classified the dynamic gestures roughly 手勢或是圓形手勢，再以軌跡變化進行六種常用 into circular gestures and linear gestures. Further, 於IP-TV操控的動態手勢 精確分類 。 gestures were classified narrowly into up, down, left, right, clockwise, and counter-clockwise gestures. II. 手勢軌跡特徵擷取 These six dynamic gestures, which are commonly used in IP-TV controlling, were intr