论文部分内容阅读
随着科技水平的不断突破与发展,人与机器之间的交互活动变得越来越普遍。手势作为一种自然直观的交互模式,具有很强的视觉冲击效果。近年来手势识别已成为热门的研究领域之一,基于视觉的手势识别更是作为下一代人机交互不可或缺的关键技术。2010年6月微软公司推出了一款体感外设Kinect,其可以采集物体深度信息、实现跟踪识别等功能。作为一款革命性的产品,Kinect不仅提供了新的互动方式,而且为手势识别提供了新的技术手段。手势识别系统分为手势检测和手势识别两个过程,本文主要对这两个过程进行研究,并针对目前现有算法存在的不足提出改进方法。本文的主要工作和研究内容如下:(1)基于Kinect的手势识别系统的搭建。采集原始图像数据,对采集到的深度图像进行去噪处理。(2)在手势检测提取研究中,针对传统的Adaboost算法在进行训练的过程中可能会出现过度训练的现象,提出了权重阈值判定的改进方法对手势区域进行准确划分。(3)在手势识别研究中,针对传统的手指点检测K曲率算法识别准确率低的问题,提出了基于凸包的K曲率手指点改进算法,实现一类手势识别。除此之外,本文还提出了基于形态学的手指点检测算法,主要借助最大内切圆的处理方法实现手指数目的快速检测。(4)开展实验验证。利用本文提出的改进的Adaboost算法对手势区域检测进行测试,利用改进的K曲率算法进行手指点检测。实验表明改进方法具有较好的鲁棒性和较高的精度。