基于深度信息的手势识别算法研究

《基于深度信息的手势识别算法研究》由会员上传分享，免费在线阅读，更多相关内容在应用文档-天天文库。

1、基于深度信息的手势识别算法研究华旭奋孙俊针对在复杂背景中传统手势识别算法的识别率低问题，利用Kinect的深度摄像头获取深度图像，分割出手势区域后进行预处理;提取手势的几何特征，并提出深度信息的同心圆分布直方图特征，融合手势的几何特征和深度信息的同心圆分布直方图特征;学习训练随机森林分类器进行手势识别。文中通过在复杂背景条件下对常见的“石头”、“剪刀”、“布”3种手势进行测试，实验结果表明:文中所提方法具有很好的平移，旋转和缩放不变性，能适应复杂环境的变化。关键词：深度信息;同心岡分布;随机森林分类器;T•势识别

2、;基金：江苏省高校自然科学研究面上资助项目（16KJB520051）ResearchongesturerecognitionalgorithmbasedondepthinformationHUAXu-fenSUNJunSchoolofInternetofThingsEngineering，JiangnanUniversity;Abstract：Inordertodealwiththeproblemoflowrecognitionrateoftraditionalhandgesturerecognitionalgo

3、rithmwithcomplexbackground,agesturerecognitionalgorithmbasedondepthinformationisproposed.DepthimageisobtainedbythedepthcameraofKinect，pre-processingisperformedafterdividingthegesturearea.Geometricfeaturesofhandgesturearcextracted，characterofconcentricdistribu

4、tionhistogramofdepthinformationispresented.Learnandtrainrandomforestclassifierforgesturerecognition,thegeometricfeaturesofthehandgesturesandthehistogramsoftheconcentriccirclesofthedepthinformationareusedtorecognizethetestedhandgestureviarandomforestclassifier

5、.Threekindsofgestures,suchasstone,scissorsandcloth，aretestedundercomplexbackground.Theexperimentalresultsshowthattheproposedmethodhasbettertranslation,rotationandscalinginvariance,andcanadapttothechangeofcomplexenvironment.Keyword：depthinformation;concentricd

6、istribution;randomforestclassifier;handgesturerecognition;0引言手势识别作为人机交互技术中重要的研宄方向之一，广泛应用于虚拟现实系统、手语识别系统以及互动游戏等。然而传统基于手势轮廓的手势识别技术在受到复杂背景和光照变化等干扰时，算法识别效果严重下降。近几年，国内外学者不断提出新的改进方法。Kadous提出Y通过佩戴数据手套进行手势识别m，但数据手套设备造价昂贵，并且穿戴复杂，不便于实验研宄。随着机器视觉技术的发展，文献［6］提出了利用颜色阈值计算伸展开的

7、手指个数，进行手势的分类与识别。然而手势在采集的过程中受光照变化和复杂背景的影响，识别率下降明显。而深度图像对复杂背景和光照变化具有鲁棒性，因此，Kinect的深度摄像头被广泛应用于采集图像深度信息进行识别。文献［7］利用Kinect的深度摄像尖获取深度图像信息，采用模板匹配法进行手势识别。文献［8］提出了基于深度信息的手势识别方法，通过提取手势的指头数以及指间的夹角等特征进行识别。然而上述算法仅考虑了手势的轮廓信息，忽略了丰富的手势表面信息。为了更好地描述手势表面信息，本文提出了利用深度信息的同心圆环分布直方图

8、特征，通过融合同心圆环直方图特征以及手势的轮廓几何特征进行手势识别。首先利用Kirwct采集深度图像，该图像可以准确记泶深度摄像头有效范围内的深度信息。其次，利用深度阈值结合骨骼信息分割出手势区域，并且进行预处理。然后，提取手势深度信息的同心圆环分布直方图特征描述手势的表面信息，并且融合手势的儿何特征、轮廓特征组成特征集。最后，利用随机森林分类器判别特征集，识别手势。1K