动态手势识别中的时空特征表示和字典优化研究

《动态手势识别中的时空特征表示和字典优化研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、多事未万方数据)，I／，l博士学位论文动态手势识别中的时空特征表示和字典优化研究DynamicGestureRecognitionBasedonSpafio-temporalFeatureRepresentationandDictionaryOptimization作者：万军导师：阮秋琦教授北京交通大学2014年9月万方数据学位论文版权使用授权书本学位论文作者完全了解北京交通大学有关保留、使用学位论文的规定。特授权北京交通大学可以将学位论文的全部或部分内容编入有关数据库进行检索，提供阅览服务，并采用影印、缩印或扫描等复制手段保存、汇编以供查阅和借阅。同意学校

2、向国家有关部门或机构送交论文的复印件和磁盘。学校可以为存在馆际合作关系的兄弟高校用户提供文献传递服务和交换服务。(保密的学位论文在解密后适用本授权说明)学位论文作者签名：导师躲腔签字日期：加牌年／2f12q-N签字同期：z口JI序，1月，细万方数据学校代码：10004密级：公开北京交通大学博士学位论文动态手势识别中的时空特征表示和字典优化研究DynamicGestureRecognitionBasedonSpatio-temporalFeatureRepresentationandDictionaryOptimization作者姓名：万军导师姓名：阮秋琦学位

3、类别：工学学科专业：信号与信息处理学号：09112088职称：教授学位级别：博士研究方向：模式识别北京交通大学2014年9月万方数据致谢本论文的工作是在我的导师阮秋琦教授的悉心指导下完成的，阮秋琦教授严谨的治学态度和科学的工作方法给了我极大的帮助和影响。在论文选题、研究工作进展、论文发表以及指导博士论文的完成，都给予我悉心的指导和严格的要求。此外，在生活上，阮秋琦教授也尽量给予我经济上的帮助，比如做横向项目和高水平论文奖励等。在此向阮秋琦教授表示衷心的感谢和诚挚的敬意。感谢实验室的安高云和金一老师。他们在科研工作上给予我很多的帮助和指导，在此向他们表示衷心的

4、谢意。另外，还要特别感谢袁保宗教授、梁满贵教授、黄雅平教授、罗四维教授和胡绍海教授对我科研工作和论文提出的宝贵意见。感谢实验室一起学习和工作过的各位同学：王占、郭松、刘帅、周陶生、李薇、李小利、王雪峤、史彩娟、田艺等。在与他们的讨论中，得到了很多灵感和启发。在实验室学习及撰写论文期间，需要特别感谢实验室的各位硕士同学，他们对我论文中的手势识别系统搭建(主要是训练样本的采集工作)起到了重要的作用。此外还要感谢陈茜老师为我提供了实验设备和场地。同时感谢在科研道路上悉心指导过和热心帮助过我的机器学习专家IsabelleGuyon教授，也感谢曾经合作过的美国德克萨斯

5、州大学阿灵顿分校VassilisAthitsos副教授和墨西哥NIAOE的HugoJairEscalante副研究员。通过与他们的交流，使我在论文写作水平和论文构思方面得到很大提高。此外，向养育我以及永远支持我的父母表示最真挚的谢意，他们的关爱和默默的支持是我前进的动力；向岳父、岳母以及所有的亲人表示最真诚的感谢，他们在我博士生涯最困难的时候给与我无尽的理解、支持和鼓励。最后，感谢我的爱人邓霜女士，在科研、生活等各方面给予我的支持和照顾，陪伴我走过艰难的博士生涯。此外，本论文也献给我刚出生的孩子，祝宝宝健康快乐的成长。始终相信“天道酬勤”，博士学业的完成意味

6、着一个全新的开始，在未来的科研道路上，也祝福自己能够更加勤勉和更上一层楼。万方数据摘要手势识别是人机交互的重要组成部分。特别是近年来随着RGB—D相机(如Kinect)的发展，基于RGB．D数据的手势识别研究是当前手势识别中的一个研究热点。本文研究的重点是如何从RGB—D数据中有效地提取时空特征，以及如何对提取的特征进行字典学习和优化。论文的主要工作和贡献如下：1．提出了基于RGB．D的一次学习手势识别方法。由于一次学习是指每类只有一个训练样本，因此基于RGB—D的一次学习识别研究有两个重要的挑战性问题，即在每类只有一个训练样本的前提下如何提取丰富的、具有分

7、辨性特征以及如何学习一个有效的识别模型。(1)对于特征提取，提出了一种新的从RGB—D数据中提取时空特征方法：三维增强运动尺度不变特征转换(3DEMoSIFT)。3DEMoSIFT具有旋转和尺度不变性，可以获取更紧凑、更丰富的特征信息；(2)为了获取一个稳定性高、识别效果好的模型，首先对所有训练样本的特征进行Kmeans聚类以获取视觉字典(即聚类中心)；然后，采用同步正交匹配追踪(SOⅧ)算法进行特征编码，使每个特征能够由字典中的多个词通过线性组合来表示。与矢量量化相比，SOMP算法具有更小的重构误差以及更好的识别效果。2．提出了一种从RGB．D数据中快速提

8、取时空特征的方法：三维稀疏运动尺度不变特征转换(3D