基于opencv的数字手势识别算法_赵健

《基于opencv的数字手势识别算法_赵健》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、JournalofComputerApplicationsISSN1001-90812013-12-31计算机应用，2013，33(S2):193－196CODENJYIIDUhttp://www．joca．cn文章编号:1001-9081(2013)S2-0193-04基于OpenCV的数字手势识别算法*赵健，张冬泉(北京交通大学机械与电子控制工程学院，北京100044)(*通信作者电子邮箱11121557@bjtu．edu．cn)摘要:基于视觉的手势识别提供了一种更加友好的人机交互方式。提出一种基于OpenCV视觉库的快速实用的静态手势识别算法，通过将运动信息与

2、肤色相结合的方法，去除与肤色相近的背景区域，实现了HSV色彩空间中手势图像的准确分割;提取图像的Hu不变矩作为手势的特征向量，解决了手势的旋转、平移和缩放问题，通过计算输入手势与模板手势图像的特征向量的距离实现静态手势识别。实验结果表明，此算法的实时性好，10个数字手势的平均识别率可以达到97．4%。关键词:OpenCV;手势识别;平均背景法;肤色分割;数字手势;Hu矩中图分类号:TP391．41文献标志码:ANumbergesturerecognitionmethodbasedonOpenCV*ZHAOJian，ZHANGDongquan(SchoolofMech

3、anical，ElectronicandControlEngineering，BeijingJiaotongUniversity，Beijing100044，China)Abstract:Thegesturerecognitionbasedoncomputervisioncanprovideamorefriendlyinteractiveway．AfastandpracticalstaticgesturerecognitionalgorithmbasedonOpenCVcomputervisionlibrarywasproposedinthispaper．Themo

4、tioninformationwasconbinedwiththeskincolortoremovebackgroundregionswithsimilarcolortotheskin．BythiswaygestureimagesweresplitoutaccuratelyinHSVcolorspace．ExtractingtheHuinvariablemomentsofthegestureimagesasthefeaturevectortosolvetheproblemoftherotation，scaleandtranslationofgestures．Stat

5、icgesturerecognitionwascompletedbycomparingtheHumomentsoftheinputgestureimageandthetemplategestureimage．Tennumbergesturescanberecognizedusingthismethod．Experimentalresultsdemonstratethatthisalgorithmisreal-timewiththeaveragerecognitionrateof97．4%．Keywords:OpenCV;gesturerecognition;aver

6、agebackgroundmethod;segmentationbasedonskincolor;numbergesture;Humoment的识别和基于动态时间规整的识别则主要用于动态手势识0引言［11－12］别。手势是人们交互的重要信息，随着计算机视觉的发展，基本文首先将平均背景法运动检测算法与HSV颜色空间于计算机视觉的手势识别方法已成为近些年来人机交互领域肤色分割算法相结合，分割出手势图像，避免了将背景中接近［1－2］的一大研究热点。将手势识别系统用于人机接口，从而肤色的区域误检测为手势区域的情况;接着提取手势的轮廓实现直接的、自然的人机交互方式，是手势识别

7、的发展趋势和特征，并计算轮廓图像的Hu矩作为特征向量，通过计算输入基本目标。手势与模板手势的距离，实现对10个数字手势的识别。本文根据手势的输入介质不同，可以将手势识别系统分为两的算法是基于OpenCV开源计算机视觉库(opensource种:一是利用数据手套，二是基于计算机视觉。利用数据手套computervisionlibrary)实现的，OpenCV具有强大的图像和矩［3－4］实现的手势识别技术使用不方便，而且成本较高。阵运算能力，其代码简洁且执行效率高。基于视觉的手势识别一般可分为手势图像的采集、手势1手势分割图像的分割、特征提取及手势识别四个步骤。通过