基于Hu矩和结构特征的静态手势识别研究-软件工程专业论文.docxVIP

西华大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外， 本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请 学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献 均已在论文中做了明确的说明并表示了谢意。 若有不实之处，本人愿意承担相关法律责任。 学位论文作者签名： 指导教师签名： 日期： 日期: 西华大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，在校 攻读学位期间论文工作的知识产权属于西华大学，同意学校保留并向国家 有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅，西 华大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采 用影印、缩印或扫描等复印手段保存和汇编本学位论文。(保密的论文在 解密后遵守此规定) 学位论文作者签名： 指导教师签名： 日期： 日期: 摘 要 在人机交互研究中，手势因其直观性和符合人们行为习惯等特点，增大了将它作 为计算机输入方式的可能性。手势识别技术可以改变传统人机交互的输入方式，降低 传统输入方式对外部设备的依赖。但是，由于同一手势在不同的应用背景下存在不同 的解读，且手部本身是一种极度柔软的变形体，诸如此类的难题都为手势识别中特征 的提取增加难度。 本文详细论述了现有手势识别技术的发展状况及其中相关技术要点，对手势识别 中指尖点检测、特征提取等关键技术进行了深入研究，应用抗形变特征和支持向量机 相结合的手势识别方法，通过预定义的五种手势的识别效果来验证本文算法的有效性。 首先，在手势数据采集阶段，本文利用 Kinect 采集手势视频流中包含手势深度信 息的深度图像数据；在手势分割阶段，利用深度信息和手心位置设定分割阈值，提高 手势分割的适应性和鲁棒性；再次，在特征提取阶段，选用抗形变特征，以处理特征 提取时手势旋转、尺度放缩、倾斜、手指弯曲等形变问题；最后，在手势识别阶段， 根据本文所采集样本的实际情况选择径向基核函数的 SVM 作为本文的分类器进行识 别测试。 本文的研究工作主要贡献在于指尖检测和特征提取这两个部分： 1、提出 CH-CD 指尖检测算法。根据凸包和手势轮廓的交集对指尖点进行粗检测 得到候选指尖点，再结合缺陷块的点序列进行细检测以判定得到正确的指尖点。将本 文的 CH-CD 算法与现有算法进行量化比较，验证本文提出的 CH-CD 检测算法的有效 性，并将该算法用于描述本文的结构特征； 2、提出一种静态手势特征提取方法。将 CH-CD 算法应用于手指个数特征，再经 特征组合的有效性实验对比，最终选择手指个数结合 Hu 矩共同构成一组抗形变特征 向量作为本文的手势识别特征。通过与其他几种方法对比，验证本文的特征提取方法 能有效应用于形变手势的识别，且能保证对形变手势的平均识别率。 关键字：Hu 矩；手势特征；深度信息；指尖检测；手势识别 I Abstract The possibility that the gesture will be used as a computer input method has been increased in the futuer because of its intuition and consistent with the behavior characteristics based on the research of human-computer interaction (HCI). Using the gesture as the input of HCI can comletely subvert the traditional one which must depend on the external devices.However, there can be different interpretations of the same gestures in different application backgrounds and also the hand itself is an extremely soft and deformable body, all these problems will increase the difficulty of extracting features of gestures. This thesis discusses the development of the existing gesture recognition technology and the relevant technologies.