基于camshift 和时序模板轨迹的动态手势跟踪与识别

《基于camshift 和时序模板轨迹的动态手势跟踪与识别》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、基于Camshift和时序模板轨迹的动态手势跟踪与识别基金项目:国家自然科学基金项目（0641010）刘云1，孙玉2，刘继超3青岛科技大学信息科学技术学院2660611Lyun-1027@163.com，2syjiayou@163.com，3ily156401@163.com摘要：新一代的人机交互中，手势交互成为重要的组成部分。本文介绍一种动态手势跟踪和识别的系统：首先利用改进的Camshift算法对人手实时跟踪，再把时空轨迹分析与时序模板结合，使用时序模板轨迹把手势运动的时空轨迹压缩到一幅图像中，用Hu矩提取时序模板轨迹

2、的形状特征，作为支持向量机分类的训练数据实现动态手势的识别。该系统具有较好的鲁棒性和实时性,与传统的时序模板方法相比识别率有了较大提高。关键词：动态手势识别、Camshift算法、时序模板轨迹、支持向量机TheAlgorithmofDynamicGesturesTrackingandRecognitionbasedonCamshiftandTemporalTemplateLiuYun1,SunYu2,LiuJichao3QingdaoUniversityofScienceandTechnology2660611Lyun-1

3、027@163.com,2syjiayou@163.com,3ily156401@163.comAbstract:HandgesturerecognitionplaysanimportantroleinHuman-ComputerInteractionsystem.Weproposedanewsystemfordynamichandtrackingandrecognition.First,theimprovedCamshiftalgorithmisusedinthehandtracking,thentemporaltemp

4、latecollapsethetrackedhandmotiontrajectoryintostaticimage.Finally,weuseasupportvectormachineclassifierbasedonthestatisticalshapeanalysisoftemporaltemplatetorecognizethepredefinedsevendynamicgestures.Temporaltemplatebasedtrajectoryhavebetterseparateabilitythantradi

5、tionaltemporaltemplatesfordynamicgestures.Keywords:Handgesturerecognition,Temporaltemplatebasedtrajectory,Camshift,Supportvectormachine1        引言整个社会的计算机化为我们带来一种新的交互方式-人机交互（Human-ComputerInteraction)。目前，手势识别技术的研究已成为当今计算机视觉领域、模式识别领域的一个重要研究方向。不仅手的静态姿势有丰富含义，手的运动也传递了

6、大量的信息。手的运动是人们常见的传递信息方式。因此，有必要对动态手势做分析识别。但是因为手的变形复杂，以及动态手势分割的不确定性和时空变化性，使动态手势识别比静态手势识别复杂得多。物体跟踪(ObjectTracking)是计算机视觉领域中的经典问题，是视觉手势识别中重要而关键的步骤。粒子滤波(ParticleFiltering)[1]是目前计算机视觉领域应用比较成功的跟踪方法。粒子滤波因为采样恶化和采样枯竭问题，导致计算量大很难用于实时跟踪。Bobick[2]提出使用时序模板(TemporalTemplates)来表示和识

7、别人的动作。时序模板包括运动历史图象MHI(MotionHistoryImage)和运动能量图像MEI(MotionEnergyImage)，但这种方法的平均识别率较低。2       手势跟踪本系统在CamShift（ContinuouslyAdaptiveMeanShift）算法的基础上做了一定的改进来实现手势跟踪。CamShift算法就是将MeanShift算法[3]扩展到连续的视频序列，它的基本思想是对视频图像的每一帧作MeanShift运算，并将上一帧的结果（即跟踪窗口的中心和大小）作为下一帧MeanShift算

8、法的跟踪窗口的初始值。首先，要计算被跟踪目标的色彩直方图。我们选择HSI空间[4]，因为其中的H分量可以独立的表示各种颜色信息。在具体计算中，首先将RGB色彩空间转化到HSI空间，获得H分量,并计算它的1D直方图。这里我们把H分量的数值量化到[0,255].如图1所示。在图1(b)中，人手部和背景之间的