阐释手势基于视觉动态手势识别

论文导读：.2.3背景建模策略实验结果和时间不同步不足的解决策略30-323.3基于肤色检测的策略32-413.3.1基于直接阈值的肤色检测及其改善策略33-363.3.2基于直方图的朴素贝叶斯肤色检测36-373.3.3基于高斯混合模型的肤色检测373.3.4肤色检测策略的实验结果和浅析37-413.4运动检测与肤色检测相结合的策略41-443.5本章小结44-46第
摘要：手势识别是新一代人机交互领域的探讨重点之一,本论文针对单目视觉下基于表观识别的动态手势进行了探讨。通过对手势识别领域各个环节所利用的技术策略分别探讨,最终形成一个可用的动态手势识别系统。文中首先阐述了整个手势识别系统的构成框架,然后按照图像序列被处理的顺序依次讨论各个模块常用策略的原理、性能以及所采取的改善措施。探讨的重点主要包括(1)浅析了动态手势作为人类交流手段的特点和性质,根据各种已有的手势词汇库,结合基于表观的单目视觉识别系统的特殊性,建立了一个适用于计算机视觉识别的动态手势词汇库,这也为今后的探讨者提供了可用的手势素材。(2)用运动检测和肤色检测来分割手势,尝试了基于遗传算法的肤色阈值更新策略,提出了基于模糊数学论述将运动检测与肤色检测相结合的策略,能够同时改善分割结果的准确率和完备率。(3)浅析了适合手势分类不足的特点：形状和轨迹,针对性的介绍并比较了这两类特点所广泛利用的提取方式,并且根据系统的实际需要提出了一种同时提取形状特点和轨迹特点的策略,省去了分两次提取形状和运动轨迹的时间,提升了特点提取的时效性。(4)优化了支持向量机分类器的输入接口,使其适合对不变矩矢量进行量化,以得到适合隐马尔可夫模型的输入值。建立了一个SVM-HMM二层分类系统,通过串联两个分类器分别利用它们的优势,最终能够对我们的手势词汇库中的手势得到理想的识别结果。关键词：动态手势论文手势识别论文支持向量机论文隐马尔可夫模型论文
本论文由www.7ctime.com,需要论文可以联系人员哦。摘要3-4
Abstract4-5
目录5-7
第一章 绪论7-13

1.1 引言7-8

1.2 探讨背景和作用8

1.3 国内外探讨近况8-10

1.4 探讨策略和实验框架10-11

1.5 本论文章节安排11-13

第二章 建立手势词汇库13-21

2.1 手势的定义13-14

2.2 手势的分类14-15

2.3 手势的设计15-19

2.3.1 手势姿态形状设计15-17

2.3.2 手势轨迹方向设计17-18

2.3.3 所设计手势实例18-19

2.4 本章小结19-21

第三章 手势分割21-46

3.1 基于差分的策略21-26

3.

1.1 帧间差分运动物体检测21-22

3.

1.2 运动边缘检测22-24

3.

1.3 差分策略实验结果及浅析24-26

3.2 基于背景建模的策略26-32
3.

2.1 卡尔曼滤波器26-28

3.

2.2 混合高斯模型28-30

3.

2.3 背景建模策略实验结果和时间不同步不足的解决策略30-32

3.3 基于肤色检测的策略32-41

3.1 基于直接阈值的肤色检测及其改善策略33-36

3.2 基于直方图的朴素贝叶斯肤色检测36-37

3.3 基于高斯混合模型的肤色检测37

3.4 肤色检测策略的实验结果和浅析37-41

3.4 运动检测与肤色检测相结合的策略41-44

3.5 本章小结44-46

第四章 手势特点提取46-64

4.1 手势形状特点提取46-56

4.

1.1 傅立叶描述子47-52

4.

1.2 Hu矩特点52-54

4.

1.3 Zernike矩54-56

4.2 手势轨迹特点提取56-61
4.

2.1 卡尔曼滤波跟踪56-57

4.

2.2 均值平移算法57-61

4.3 利用形状算子的中间结果获取轨迹编码61-62

4.4 本章小结62-64

第五章 分类识别算法探讨64-81

5.1 支持向量机分类器64-74

5.

1.1 统计学习论述的一些基本知识64-66

5.

1.2 线性最优分类超平面66-68

5.

1.3 线性不可分不足的解决——核函数和松弛变量68-71

5.

1.4 多分类不足求解71-72

5.

1.5 对SVM优化后的手势形状识别72-74

5.2 隐马尔可夫模型分类器74-81
5.

2.1 隐马尔可夫模型的基本构成74-75

5.

2.2 隐马尔可夫模型能解决的三类不足75-78

5.

2.3 构建基于隐马尔可夫模型的手势识别分类器78-81

第六章 总结与展望81-83
参考文献83-89
攻读硕士学位期间取得的学术成果89-91
致谢91