基于机器人视觉的手势识别关键技术的研究

《基于机器人视觉的手势识别关键技术的研究》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、学校代码：10385分类号：研究生学号：1300205016密级：基于机器人视觉的手势识别关键技术的研究TheKeyTechnologyResearchesonrobotvision-basedhandgesturerecognition作者姓名：王铭航指导教师：柳培忠讲师实践导师：王荣高级工程师专业学位类别/领域：工程硕士/计算机技术研究方向：光电信息检测与智能计算所在学院：工学院论文提交日期：2016年3月30日摘要在分析表征手势特征和神经网络理论基础上，本文分别根据金字塔LK原理、FERN分类原理和P-

2、N学习原理及手运动轨迹的连续性规律来研究适用于手势识别的关键技术研究即手势目标跟踪技术、P-N学习的样本增长和修剪技术及基于手势轨迹模型的新型神经网络算法。本文的主要研究内容如下：1.针对目前在手的局域区域跟踪过程中，手势目标跟踪失败后难以恢复和容易受到脸部、肤色和手臂的干扰等问题，本文在TLD单目标跟踪算法的基础上，提出了一种改进的多目标手势局部区域跟踪TLD算法，针对本文算法的检测模块,在FERN分类器的基础上，采用颜色特征相交系数的方法，改进FERN分类器的第一级方差分类器；本文还提出一种自适应坐标系的

3、方法，缩小了检测模块扫描窗口的滑动区域。2.针对手势识别的模糊性和准确性问题，基于上述手势局部区域跟踪结果，采用一种时间频率驱动递归神经网络算法(CW-RNNs)，实现用于人机交互的动态手势识别。对影响CW-RNNs模型的因素进行了实验验证和深度分析，通过与多层RNNs和三层RNNs的识别效果的比较，论证了本文模型对手势轨迹模版识别的优越性。关键词：手势识别手势目标跟踪FERN分类器CW-RNNs人机交互IIIAbstractByanalyzingthefeaturesofgestureandtheoryof

4、neuralnetwork,andbasedonpyramidLKtheory,FERNclassifertheory,P-Nlearningtheory,aswellastheoriesofmotiontrajectorycontinuity,thedissertationstudiesgesturerecognitionandrelevantkeytechnologies,thatis,targetgesturetrackingtechnology,P-Nlearningsamplesgrowthandp

5、runingtechnologyandnewneuralnetworkalgorithmbasedongesturetrajectorymodel.Themainresearchworkisasfollows:1.Inordertohandlewiththedifficultyofrecoveringafterafailuretargettrackingandthatthetargetissusceptibletoinfluencebyface,colorofskinandarmswhichwillappea

6、rduringtheprocessoftrackingthelocalareaofhand,thepaperpresentsanimprovedmulti-objectivelocalareatrackingalgorithmwhichisbasedonoriginalTLDtrackingalgorithms.BasedonFERNclassifier,thepaperusethemethodofcolorcharacteristicsintersectioncoedfficienttoimprovethe

7、firststageofvarianceclassifierfordetectionmodul.Andthepaperalsopresentsanadaptivemethodofcoordinatesystemtoreducetheslideareaofscanwindowindetectionmodule.2.Basedontheabovetrackingresults,aimingattothefuzzinessandaccuracyofgesturerecognition,thepaperemploie

8、saclockworkrecurrentneuralnetworkalgorithmtorecognizedynamicgestureinhuman-computerinteraction.ThenthepaperalsoverifyandanslysisdeeplythefactorswhichaffecttheCW-RNNmodelinexperiments.Andbycomparingwith