基于骨架化和模板匹配的交通指挥手势识别

论文摘要

随着社会经济的飞速发展,交通拥挤情况日益恶化,严重影响人们的日常生活。交通警察指挥手势对于缓解因天气原因等引起的交通路口拥挤状况以及无人驾驶等领域具有特别的意义。随着计算机技术的不断进步,交通指挥手势的识别技术逐渐成为人体动作识别领域的一个研究热点。本文主要研究基于视觉的交通指挥手势识别技术。本文概述了人体动作识别的相关知识,具体针对交通指挥手势的特点,分析了现有的骨架细化算法和模板匹配方法,提出了基于轮廓删减的骨架化算法和基于加权Hausdorff距离的模板匹配方法,并将其应用于交通指挥手势识别中,实现了交通指挥手势识别系统,取得了良好的识别效果。主要研究内容如下:1.针对交通指挥手势序列图像中的图像场景问题,文中对原始手势图像进行了包括图像灰度化、图像背景去除、图像二值化、图像数字形态学处理和图像大小归一共5部分的图像预处理过程,提取出标准的二值化的目标图像。2.针对交通指挥手势图像序列中手势图像的冗余问题,通过分析指挥手势的周期性特点,文中提出了一种关键手势提取方法,通过计算图像序列中各手势轮廓内像素点的数量,提取出具有代表性的关键手势,提高了后续识别的效率。3.针对交通指挥手势参数化问题,通过分析交通指挥手势的拓扑结构特性,本文提出一种基于轮廓删减的骨架细化算法。首先提取出物体的轮廓,并将当前的细化范围从整个物体缩小到物体的轮廓,然后再在轮廓集合中通过判断8-领域的分布特点删除非骨架点,最终得到物体的骨架。该骨架化算法能高效地提取出具有良好连通性的交通指挥手势。4.针对交通指挥手势的识别问题,文中提出了一个基于加权Hausdorff距离的模板匹配方法,该方法计算当前手势骨架坐标参数与模板库内的各骨架样本参数之间的加权Hausdorff距离,找到具有最小Hausdorff距离的模板即为当前骨架的匹配模板。该方法提高了模板匹配的准确性,在交通指挥手势识别中具有良好的应用性。实验结果表明,本文提出的方法可以正确识别交通指挥手势,并能够满足交通指挥手势识别实时性和高效性的需求,具有一定的实用价值与应用前景。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第1章 绪论
• 1.1 研究背景和意义
• 1.2 研究现状
• 1.2.1 应用研究现状
• 1.2.2 技术研究现状
• 1.3 主要工作及难点和创新点
• 1.3.1 主要工作
• 1.3.2 难点
• 1.3.3 创新点
• 1.4 论文的组织与安排
• 第2章 交通指挥手势图像预处理
• 2.1 引言
• 2.2 图像灰度化
• 2.3 图像背景去除及二值化
• 2.4 数字形态学处理
• 2.4.1 腐蚀
• 2.4.2 膨胀
• 2.4.3 开启
• 2.4.4 闭合
• 2.5 大小归一
• 2.6 本章小结
• 第3章 交通指挥关键手势提取
• 3.1 引言
• 3.2 交通指挥手势分析
• 3.2.1 左转弯手势
• 3.2.2 右转弯手势
• 3.2.3 直行手势
• 3.2.4 停止手势
• 3.3 关键手势提取原理和方法
• 3.3.1 关键手势提取原理
• 3.3.2 关键手势提取方法
• 3.4 本章小结
• 第4章 基于轮廓删减的交通指挥手势骨架化
• 4.1 引言
• 4.2 骨架的定义
• 4.3 骨架化算法的分类及其缺陷
• 4.3.1 拓扑细化算法
• 4.3.2 距离变换算法
• 4.4 基于轮廓删减的骨架化算法
• 4.4.1 8-领域以及方向码
• 4.4.2 8-领域删除规则
• 4.4.3 基于轮廓删减的骨架化算法具体细化过程
• 4.5 本章小结
• 第5章 基于加权 Hausdorff 距离的模板匹配
• 5.1 引言
• 5.2 模板匹配
• 5.2.1 模板匹配的定义
• 5.2.2 模板匹配的用途及分类
• 5.3 样本模板
• 5.4 Hausdorff 距离
• 5.5 加权的Hausdorff 距离
• 5.6 欧式距离与chamfer 距离
• 5.7 本章小结
• 第6章 交通指挥手势识别系统实现及结果分析
• 6.1 OpenCV 视觉库
• 6.1.1 OpenCV 简介
• 6.1.2 OpenCV 的功能
• 6.2 系统实现
• 6.2.1 系统功能模块
• 6.2.2 系统核心算法
• 6.3 实验结果分析
• 6.3.1 实验数据
• 6.3.2 实验结果
• 6.3.3 结果分析
• 6.4 本章小结
• 第7章 结论与展望
• 7.1 结论
• 7.2 展望
• 参考文献
• 致谢
• 攻读学位期间参加的科研项目和成果