基于opencv动态手势识别实现

《基于opencv动态手势识别实现》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、基于OpenCV动态手势识别实现摘要：随着科技的发展，各种手写输入、语言输入法不断涌现。计算机的操作方式也越来越接近自然言语。手势识别系统由数学摄像头作为输入设备，以为人体动作为操作指令，指挥操作计算机系统动作。人体动作通过数学摄像头，转化为计算机能识别的二进制图像信息，经过图像处理算法，使人们的操作意图能被计算机理解。本文所实现手势识别，利用OpenCV提供的各种图像处理算法，将从数学摄像头采集的图像视频信息，通过图像滤波，图像分割等算法，提取到有用的手形信息，再对其进行轮廓特征分析，运动信息分析。得出图像视频的操作意图，并转化为计算机指令，传递

2、给操作系统。实现了直接由人体动作操作计算机的目的。关键词：图像滤波；图像分割；轮廓特征分析；OpenCV中图分类号：TP311.52文献标识码：A文章编号：1007-9599(2012)21-0000-03随着计算机技术的不断发展，以及计算机使用的不断普及，与计算机的交互方式也在不断地发生着变化。手势语言是一种依靠动作和视觉进行交流的特殊语言，它还是一种包含信息量最多的人体语言，它与语音和书面表语言等自然表达语言的表达能力相同。感知物体的显著性，可以通过物体的颜色、纹理、边缘、形状来进行描述［1］。当今感知人体语言识别技术比较流行并应用在游戏操作中

3、，称为体感游戏。体感游戏同样带有摄像头等感应设备，通过识别人体的肢体动作，控制进行游戏。一般体感游戏着重于技体操作进行识别，对手形等细节并没太多的处理。本文着重于对人们手形识别的研究，实现以手形对计算机进行操作。1图像处理基础技术1.1手势图像与背景分割图像分割(Imagesegmentation)是机算机领域中极为重要的内容之一，是实现自动图像分析时首先需完成的操作［2］。在现实环境中，由于各样不同的背景、光线、阴暗等变化，使得手势图像从背景中分割出来相当困难。经研究发现，人类皮肤的颜色在色度空间中的分布被证明是聚类在色度空间中一个较小的区域中［

4、3］。为了减少环境的影响，一般我们会使用HSV颜色空间来进行了分割处理。由于HSV颜色空间中，V代表了亮度，它对就应于全部光能且可量化为光源亮度［4］。这样的话，我们就能去除光线带来的一部分影响。经过前人对图像算法的研究，我们可以通过多种途径对图像手形前景与背景进行分割：1)基于像素颜色的分割方法；1)基于帧差计算分割方法；2)基于建立背景模型的分割方法。1.2手势预处理图像去噪的一个重要任务就是去除噪声的同时尽可能地保留图像的边缘和细节［5］。为了更好地对手势区域进行识别，需要对采集得到的图像进行一些处理，使得分割出来的手势区域更加完整。(1)图

5、像平滑处理平滑处理也称为模糊处理，是一项经常使用的图像处理技术。OpenCV提供cvSmooth个函数实现了图像平滑处理，该函数实现了中值滤波、高斯滤波、双边滤波三种滤波的方法。(2)图像形态滤波学图像形态学包括膨胀和腐蚀、开运算和闭运算等。开运算和闭运算作为数学形态学非常重要的运算，不但拥有腐蚀和膨胀的功能，同时还具有本身的多项图像处理和分析特征⑹。2算法具体实现2.1算法思路在手势识别系统中，第一步，我们希望获取到完整的手势形状，根据手势形状轮廓特征，或者直方图特征等，对手势进行识别。对于手势的运动识别，更可使用帧差分图像的方式，获取到手势运动

6、的方向。2.2图像分割算法实现图像分割算法使用CodeBook算法实现。和对图像预处理相似地，我们也可以通过平滑、阈值等方法，对分割后的图像再度进行滤波，去噪等处理。而在对图像分割后的结果进行处理，使用图像形态学进行处理更为有效。在图像处理基础技术中，已经讨论过相关的图像形态学方法，通常使用开运算或闭运算。在存在连续噪声杂点时。使用开运算对消降杂点尤为有效。