基于特征联合和偏最小二乘降维的手势识别.pdf

《基于特征联合和偏最小二乘降维的手势识别.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、第38卷第1期燕山大学学报Vb1．38NO．12014年1月JournalofYanshanUniversityJan．2014文章编号：1007—791X(2014)01—0041—08基于特征联合和偏最小二乘降维的手势识别张世辉，周绯菲，郭顺超(1．燕山大学信息科学与工程学院，河北秦皇岛066004；2．河北省计算机虚拟技术与系统集成重点实验室，河北秦皇岛066004；；3．交通运输部管理干部学院计算机系，北京101601)摘要：针对以往手势识别研究中更关注识别率而弱化实时性的情况，首次将偏最小二乘降维思想引入手势识别领域，提出一种基于特征联合和偏最小二

2、乘降维的手势识别方法。首先进行手势分割，在此基础上提取手势样本的梯度方向直方图和局部二值模式特征，并将二者进行联合。然后采用偏最小二乘法对手势联合特征进行降维，并将降维后的手势训练样本特征输入到支持向量机中进行分类训I练。最后用训练好的支持向量机对降维后的手势测试样本进行识别测试。基于JochenTriesch手势库及自制手势库的实验结果表明，同已有方法相比，本文所提方法在取得较高手势识别率的同时也取得了较好的实时性。关键词：手势识别；特征联合；偏最小二乘法；梯度方向直方图；局部二值模式中图分类号：TP391．41文献标志码：ADOl：10．3969／j．i

3、ssn．1007—791X．2014．01．007为动态手势变化过程中的某一状态，是手势识别的0引言核心工作。因此，本文针对静态手势识别展开研究。手势交互是人机交互的一个热门研究领域，其目前，静态手势识别方法大体可分为3类：基本质是计算机根据用户的手势识别出其表达的含于规则的手势识别、基于模板匹配的手势识别和基义，故手势识别是手势交互的基础。手势识别的好于机器学习的手势识别。基于规则的方法通过坏对后续的手势交互将会产生直接影响，因此手势人为寻找手势特征之间以及特征内部的关系，并将识别算法的设计尤为重要。找到的关系定义为分类规则，根据分类规则和待识过去，⋯些研

4、究人员借助数据手套Ⅲ、加速传别手势的特征确定手势的类别。该类方法实时I生较感器等外部辅助设备来设计手势识别算法。该高，但工作量大且人为寻找手势高维特征之间的关类方法虽然具有识别率高、实时l生好的优点，但又系相当困难，从而导致识别率偏低。基于模板匹配具有过分依赖外部设备、工作区域有限的缺点。随的手势识别方法口捌通过将提取的手势特征与预先着计算机视觉技术的发展，基于视觉的手势识别方存储的手势特征模板进行相似度匹配以达到手势法成为可能。该类方法成本较低，并且可以有效减识别的目的。该类方法虽然实现简单，但限制条件少对用户的限制。基于视觉的手势识别可分为动态较多，鲁棒

5、性差，识别率往往也偏低。手势识别和静态手势识别两大类[3-4]。动态手势是针对上述两类方法的不足，学者们又提出了基指手形和位置随时间变化的手势，其识别效果易受于神经网络、支持向量机(SupportVectorMachine，手势的轮廓、时空信息、移动方向及速率等因素的SVM)、Adaboost等机器学习思想的手势识别方法。影响。静态手势则是指不随时间变化的手形，可认HaithamH提出一种利用神经网络的方法识别手为是动态手势中某一个时间点下的特例，其识别效势，该方法首先依次对手势样本进行预处理、手势果与手势的轮廓、形状、纹理等相关。考虑到静态分割、去噪，然后

6、利用Sobel算子和Prewitt算子手势不但能通过手形传递某种意义，而且还可以作进行边缘检测并提取样本的几何矩特征和轮廓特收稿日期：2012-09—22基金项目：河北省自然科学基金资助项目(F2010001276)作者简介：张世辉(1973一)，男，河北赞皇人，博士，教授，主要研究方向为视觉信息处理、智能并联机器人，Email：sshhzz@ySU．edu．cn。42燕LLJ大学学报2014征，最后利用神经网络对手势进行分类识别。该方效改善手势识别的实时性。法无论利用几何矩特征还是轮廓特征对6种静态手势进行识别的识别率均较低。HuangDY首1手势识别方案

7、先使用自适应肤色模型从样本中定位人手区域并1．1方法概述使用Gabor滤波器对区域中的手势进行角度估计和角度修复，然后应用主成分分析(PrincipalCom—本文提出的手势识别方法分为训练和测试两ponentAnalysis，PCA)对手势的Gabor特征进行个阶段。1)训练阶段利用训练样本集中的样本训降维，最后利用支持向量机识别出手势类别。该方练出一个手势识别器。首先，提取训练样本集中各法的识别率可达96．1％，但实时性有待提高。Haq样本的梯度方向直方图(HistogramsofOrientedEU”首先利用肤色模型进行手势分割，然后提Gradient

8、s，HOG)特征和局部二值模式(LocalBinar