以形状特征为基础之手势辨识-NPUCSIE.PDFVIP

以形狀特徵為基礎之手勢辨識 1 2 李棟良 、游維軒 私立銘傳大學電腦與通訊工程學系 1 2 dllee@.tw 、alan70505@ 摘要 — 本論文主要提出一種形狀直方圖(Shape 的分類器 ，而傳統SIFT演算法應用在手勢辨識上往往會 Histogram, SH) 、興趣點 (Interest keypoints)與局部特徵 有因局部性特徵相似而造成錯誤匹配的問題，因為 SIFT 描述符(Local descriptors) 等方法的手勢辨識系統，目的 提取的是特徵點附近的灰階變化作為特徵描述符，造成 是希望能夠建立一套在複雜背景的環境下，有效地偵測 不同手勢特徵點局部的特徵相似而將兩特徵點匹配，導 並辨識使用者所比之手勢的系統，且提出一種排除機制， 致辨識率降低。2014 年由Huisi Wu Lei and Wang Mingjun 來改善傳統方法潛在的問題。在本研究中，我們使用了 Song and Zhengkun Wen 提出[2] ，將二值化手勢影像檢測 含有 十種手勢的資料庫進行訓練及測詴，從實驗結果得 邊緣後進行均勻取樣，再對邊點計算 Shape Context 特徵 知本研究所提出的排除機制的確能改善傳統方法遇到的 資訊作為判別手勢的特徵向量以判別手勢，優點是只要 問題 辨識率可達93.75% ，且僅使用SH 特徵作為辨識手 取得足夠的特徵點即可完整的描述手勢形狀，缺點是特 勢的依據能達到 98.75%的辨識率。 徵點個數如果太 多將會非常耗時。2013 年由 Zhou Ren 關鍵詞： 形狀脈絡、尺度不變特徵轉換、手勢辨識 and Junsong Yuan 提出[3] ，經由Kinect擷取手部影像且 配戴黑色手環分割手部區域，以 RANSAC在手環擬和一 條直線作為手腕線，線的左邊點連接掌心以這條線旋轉 一、簡介 360度去計算掌心到邊點的距離作為特徵向量，以一個手 勢一個特徵做為辨識的基礎，優點是辨識速度快，將手 一般手勢辨識的步驟，會分為訓練及測詴階段。將 勢在手指頭有變化且屬於關鍵的部分作為特徵資訊來辨 影像經過前處理後， 其中以特徵點為基礎的演算法，擷 識手勢，缺點是此方法只能辨別手指頭有變化的手勢上， 取感興趣區域(Interest regions)的特徵點資訊，並利用這些 限制了辨識系統的手勢種類。 收集到的影像特徵點資訊，建立一個龐大的影像資料庫 當作訓練階段。測詴階段方面，將影像經前處理後，擷 取感興趣區域的特徵點資訊，再利用先前所建立好的影 三、系統架構 像資料庫，逐一 比對特徵描述符後，取比對後類別個數 為最多的當作是影像辨識的結果 ，但這種方法往往會因 運用尺度不變特徵轉換 (Scale Invariant Feature 為不同的環境條件下偵測到的特徵點數量會不同，且較 Transform, SIFT)做 辨識技術的相關文獻截至目前為止已 關鍵的特徵點如果沒有被偵測出來可能會影像最後的辨 經有非常多，但是在傳統的方法存在著一個致命性的問 識結果，另外也有提取物體形狀特徵 為基礎的演算 法， 題導致辨識率降低，在手勢辨識上我們在意的是全域的 特徵，而不是局部性的特徵，往往在不同手勢間因為局 以單一特徵去描述手勢形狀 ，相較於特徵點的方法優點 是能節省辨識的時間，快速的反應出對應之 手勢，缺點 部性特徵的相似而造成辨識錯誤降低效能，本論文