基于bp神经网络的手势识别方法研究

《基于bp神经网络的手势识别方法研究》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、摘要III关键词IllABSTRACTIVKEYWORDSIV1前言11.1题目來源11.2国内外研究现状1121现状综述11.2.2现状分析21.3课题目标及内容21.3.1研究目标21.3.2研究内容22主要背景技术22」模式识别22.2人工神经元3221神经元网络模型42.2.1.1作用函数5221.2人工神经网络构成62.2.1.3基本模型62.2.1.4前向网络62.2.2BP网络72.2.2.1输入输出关系72.2.2.2BP网络的权值确定7222.3BP网络的设计问题92.2.2.4BP算法的改进92.3数字图像的基木处

2、理10231图像分害IJ102.3.1.1图像阈值分割102.3.1.2基于HIS颜色模型的手势候选区域监测112.3.1.3目标物体轮廓提取112.3.1.4边界跟踪法112.3.1.5区域增长法122.3.1.6图像的测量122.3.2图像匹配122.3.3图像的特征和理解132.3.3.1图像的儿何特征132.3.3.2形状特征133系统设计153」需求分析及概要设计153.2手势模块部分153.2.1样本采集153.2.2图像预处理16323轮廓提取163.2.4特征提取17325特征写入训练文件173.3BP网络部分183.

3、3.1获取训练样本183.3.2训练网络183.4利用训练好的网络进行手势识别183.4.1系统的初始化18341采集图像18342提取特征183.4.3输入网络进行识别183.5手势命令部分194编码设计与测试194」建立工程204.2系统测试205总结22参考文献23致谢25附录26基于BP神经网络的手势识别方法研究摘要在F1常生活交往中，手势是一种自然而直观的人际交流模式，是一种敏感的自然交互方式。相比于传统的基于数据手套的手势识别，基于视觉的手势识别是实现新一代人机交互所不口J缺少的一项关键技术，而出于手势本身具有的多样性、多

4、义性，以及吋间和空间上的差异性等特点，加之人手是复杂的变形体以及视觉木身的不适定性，使此方向研究成为一个极富挑战性的多学科交叉研究课题。木文侧重于研究复杂背景下的手势分割以及对静态手势和手势轨迹进行识别。本文按照手势样本采集、图像预处理、手势区域检测、手势分割、轮廓提取、特征提取、并通过建立基于BP神经网络的模型、训练大量样木的流程，开发出基于BP神经网络的手势识别系统。该系统分别对静态手势和动态手势的识别获得了较佳的效果，具有较强的抗干扰能力。关键词神经网络；手势识别；肤色检测；特征捉取；BPResearchontheMethodo

5、fGestureRecognitionBasedonBPNeuralNetworkAbstractGestureisanaturalandintuitiveinterpersonalcommunicationmodel,aswellasasensitivenaturalinteractionmethodindailyintercourse.Comparedtothetraditionalgesturerecognitionwhichisbasedondigitalglove,thenewonebasedonvisionisoneoft

6、heindispensablekeytechnologiestoachievenoveltyHCI(human-computerinteraction).Inspiteofthegesture'scharacteristicsofdiversity,ambiguity,anddifferencesintimeandspace,thehumangesture'severchangingcharacteristicandtheill-posednessofvisionmaketheresearchaboutthistopicanextre

7、melychallengingcross-interdisciplinarystudy.Thispaperfocusesongesturesegmentationincomplexenvironmentandrecognitionofstaticgestureandgesturetrajectory.Inthispaper,anoveltygesturerecognitionsystembasedonBPneuralnetworkwasdevelopedthroughthechronologicalprocessesofgesture

8、samplecollection,imagepreprocessing,gestureregiondetection,gesturesegmentation,contourextraction,featureextrac