机器人视觉交流中的手势识别仿真.pdf

《机器人视觉交流中的手势识别仿真.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第32卷第02期计算机仿真2015年02月文章编号：1006—9348(2015)02—0405—04机器人视觉交流中的手势识别仿真吴宇(内蒙古科技大学艺术与设计学院，内蒙古包头014010)摘要：手势识别问题，是人与机器人交互中的关键部分。机器人视觉交流中的手势识别，对动作的准确跟踪是识别的难点，主要因为，人在做动作时，与机器人的反应之间存在较为明显的滞后性，对动作的跟踪很难及时准确，造成对整体的图像跟踪存在滞后性，导致传统的分析手势识别方法无法面向快速变化的群体手势特征，也无法进行准确的识别，提出了一种基于手部肤色特征的CAMSHIFF手势识别算法，通过色度直方图模型划

2、分手部皮肤像素和非皮肤像素，获取手部肤色模型，采用摇动检测方法定位人手，依据手部肤色模型对所获取的手部区域进行分割，得到手部区域的二值图，使用改进的CAM-SHIFr算法对手势进行跟踪，通过模式识别的方法对群体人手特征进行识别。实验结果说明，所提方法针对群体中的手势进行准确的识别，识别率高于93％，具有较高的应用价值。关键词：机器人；视觉交流；群体手势识别中图分类号：TP391．9文献标识码：BGestureRecognitionSimulationinRobotVisonCommunicationwuYu(SchoolofArtandDesign，InnerMongoli

3、aUniversityofScienceandTechnology，BaotouInnerMongolia014010，China)ABSTRACT：Gesturerecognitionisakeypartinhuman—robotinteraction．ThispaperproposedaCAMSHIFTges-turerecognitionalgorithmbasedonthecharacteristicsofhand’sskincolor．Throughthechromaticityhistogrammod-el，thepixelsofhand’Sskinandnon

4、—skinweredivided，togethand’Sskincolormodel．TheshakingtestmethodWasadoptedtolocatethehumanhands，andonthebasisofhands’skincolormodeltosegmenttheobtainedareaofhands，togetthebinarymapofthehands’area．TheimprovedCAMSHIFTalgorithmwasutilizedtotracktheges—tales，andthecharacteristicsofhumanhandsofp

5、opulationswererecognizedbyusingthemethodofpatternrecogni-tion．Theexperimentalresultsindicatethattherateofaccurategesturerecognitionbyusingtheproposedmethodishigherthan93％，andithashigherapplicationvalue．KEYWORDS：Robot；VisonCommunication；gesturerecognitionofpopulations1引言手势识别是人和机器人重要的交互手段，是人

6、机交互、虚拟现实的关键部分。手势识别是按照手和胳膊的运动轨迹获取其中的含义，包括静态的姿态识别和动态的手势识别。寻求合理的方法对机器人视觉交流中群体手势进行准确识别，成为相关学者分析的热点问题¨’2J。手势识别是入与机器人交互中的关键部分，机器人视觉交流中的群体手势识别过程中，存在遮蔽率高、随机性强等问题，机器人视觉交流中的群体手势识别过程中，对动作的准确跟踪是识别的难点，主要因为，人在做动作时，存在较为收藕日期：2014—05—28明显的滞后性，对动作的跟踪很难及时准确，造成对整体的图像跟踪存在滞后性，导致传统的分析手势识别方法无法面向快速变化的群体手势特征∞．4，引，存

7、在训练复杂、判别能力差、观察概率相互独立等先验假设不规范等缺点，无法面向变化的群体手势特征进行准确的识别，存在一定的弊端。提出了一种基于手部肤色特征的CAMSHIFY手势识别算法，通过色度直方图模型划分手部皮肤像素和非皮肤像素，获取手部肤色模型，采用摇动检测方法定位人手，依据手部肤色模型对所获取的手部区域进行分割，得到手部区域的二值图，使用改进的CAMSHIFT算法对手势进行跟踪，通过模式识别的方法对群体人手特征进行识别。实验结果说明，所提方法针对群体中的手势进行准确的识别，识别率高于93％，具有较高的应用价值。．