基于opencv的动态手势识别

《基于opencv的动态手势识别》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、电子科技大学2011级本科毕业设计（论文）开题报告表学号：2011080040011姓名：吴明学院：机械电子工程学院专业：机械设计制造及其自动化学位论文题目基于Opencv的动态手势识别技术学位论文题目来源：1.科研　2.生产　3.教学（含实验）√4.其它（在选项上打勾选择）学位论文成果形式：1.硬件2.硬件+软件√3.软件4.纯论文（在选项上打勾选择）学位　　论文　　研究内容1.研究现状及发展态势目前，手势识别方面的研究已经进行了几十年，并已经取得了一些阶段性的成果。国内外从事这一领域研究的主要机构有

2、：美国的MIT媒体实验室、麻省理工大学、密歇根州立大学计算机系，以及国内的哈尔滨工业大学等。“机器学习”是较多用的手势识别方法。该方法可找到手势与高维特征集的关系，解决特征搜索问题。如HMM法。由于HMM是一种时间尺度不变量，能较好的提取和识别手势的时空动态模型，还能在每个时间步上输出一个观测特征，可用密度函数来表示其概率分布。Jeong等提出将HMM模型和线性状态空间模型混合的耦合双开关线性模型(CouplingSwitchingLinearModel)，能够同时识别双手。它通过平面拟合将数据降到2D

3、空间后作为HMM的输入，然后用主轮廓线方法把手的轮廓参数化为形状向量作为模型的状态向量。ChunglinHuang等提出将边缘特征作为空间信息，运动特征作为时间信息来提取图像特征的手势识别系统，训练时的空间形状变化用主成分分析法来刻划，采用HMM刻划时间形状变化，用改进的Hausdorff距离来描述特征图像与PCA模型间的相似程度;由输入的图像序列产生识别测量模型，经Viterbi算法处理确定手势。ＲomerＲosales在其博士论文中提出一种随机非线性的监督学习模型(SpecializedMappin

4、gsArchitecture，SMA)，通过使用“分而治之”的方法降低问题空间的复杂度。SMA由几个特定的前向映射函数和一个已知的反馈函数所组成，前向映射函数可以从训练集数据通过学习自动得到。输出空间由一些函数对输入空间(例如图像特征空间)的某些域映射得到，实验表明，SMA可以比较好地处理病态问题。Wachs等以12个基本手势训练集模型，作为FuzzyC－MeansClustering算法的输入。Ghahramani和Kervrann等针对可形变的模型进行无监督的学习，根据模型形变量的统计信息，对形变量

5、进行优化估计。可见，HMM被广泛用于手势识别系统中，它的理论基础非常成熟，但它存在的主要问题是:由于它只有一个隐离散状态变量，不易作多过程交叉处理，不能处理有相关性的时间序列。在手语识别的研究方面，早在1991年，TAKAHASHI就开始了手势符号的研究工作，并能识别46个手势符号。他们的手势输入系统是戴在指尖上的视觉手套，其本身产生的高亮标记，能够识别7种手势。在美国研究人员对手势的研究中，Starner等对40个词汇随机组成的句子进行识别，正确率为99.2%。哈尔滨工业大学的吴江琴等在中国手语研究中

6、，使用18个传感器的CyberGlover数据手套，结合人工神经网络(ArtificialNeuralNetwork，ANN)与HMM两种方法，增强识别方法的分类特性，减少模型估计参数的个数，对孤立词的识别率为90%，简单语句级识别率为92%。随后又采用动态高斯混合模型作为系统的识别技术，可识别出中国手势字典中的274个词条，识别率达到98.2%。上海海事大学的研究人员，利用几何特征及距离特征等对手势图像进行特征提取,对静态手势的识别进行了大量的研究,较好的解决了手势的旋转、缩放和尺度变换等问题，达到静

7、态手势识别的较高稳定性。兰州理工大学、北京交通大学、浙江大学、哈尔滨工业大学及华中师范大学等的研究人员，对静态手势识别的研究，也得到较好的结果。清华大学祝远新和徐光祐等的图像运动估计方法，是基于视觉的动态孤立手势识别技术。图像的运动参数，是手势的表观特征模型，以最大和最小优化算法创建手势参考模板，使用基于模板的分类技术识别手势。之后又将手势的运动信息及皮肤颜色信息融入，提出动态时间规整算法，识别连续动态的12种3D手势等，辨识率达97%。剑桥大学的Stenger等利用截去两头的圆锥体、圆柱体及椭圆体构造

8、的三维人手模型，以树形滤波器和分层的贝叶斯滤波器对三维手势进行跟踪和识别，识别率达到97%。对于3D动态手势的识别，相关研究还比较少，清华大学任海兵等将动态时空规整算法用于手势识别。马赓宇等对特定的浏览三维物体的手势集，采用HMM模型建模各类手势序列，并引入过渡模型方法，对连续输入的手势序列自动进行切分和识别，达到实时在线识别的目的。山东大学孔晓明等［58］通过HMM模型，设计出动态手势的训练和识别算法，其识别结果基本能实现控制远程机器人。