基于傅立叶描绘子的手势识别算法

论文摘要

手势的使用是一种重要的人机交互方式,基于视觉的手势识别是实现新一代人机交互的一项关键技术。本文从手势图像的预处理、手势的特征提取和手势的识别三方面对基于视觉的手势识别算法进行了研究。图像预处理包括图像增强、图像分割和图像形态学处理。本文首先对输入的图像进行平滑,锐化处理,然后采用基于灰度的阈值分割方法,从图像中分割出手势,最后将得到的手势部分图像进行膨胀和腐蚀处理,达到最佳的手势分割效果。在手势的特征提取部分,本文针对手势图像识别率较低,易受噪声干扰的问题,提出一种基于二维极坐标傅立叶描绘子的手势特征提取算法。算法中设计的描绘子具有平移、尺度、旋转不变性,与传统的一维傅立叶描绘子相比,该描绘子不仅利用了手势图像的边界信息,还提取了手势图像的内部信息,受边界噪声的干扰更小,通用性更好,鲁棒性更高。针对手势的识别,本文采用了基于BP神经网络的识别方法。首先利用大量的样本图像训练BP网络,通过训练成功的网络来实现手势图像的识别,并根据输出结果来判定识别的正确性。实验结果表明,本文提出的基于二维极坐标傅立叶描绘子和BP神经网络的静态手势识别算法识别率可以达到94%,是一种有效的静态手势识别算法。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 手势识别在人机交互中的应用
• 1.2 手势的定义和分类
• 1.3 计算机手势输入技术
• 1.4 基于视觉的手势识别研究现状
• 1.4.1 系统构成
• 1.4.2 手势建模
• 1.4.3 特征分析
• 1.4.4 手势识别
• 1.5 基于视觉的静态手势识别的研究现状
• 1.5.1 静态手势输入
• 1.5.2 静态手势特征提取
• 1.5.3 静态手势识别技术
• 1.6 论文的工作及章节安排
• 第二章 手势图像的预处理
• 2.1 图像增强
• 2.1.1 图像平滑
• 2.1.2 图像锐化
• 2.2 图像分割
• 2.3 图像形态学处理
• 2.3.1 图像腐蚀
• 2.3.2 图像膨胀
• 2.4 系统采用的预处理方法
• 第三章 手势特征提取算法
• 3.1 边缘跟踪
• 3.1.1 梯度图法
• 3.1.2 探测法
• 3.2 基于一维傅立叶描绘子的特征提取
• 3.2.1 离散傅立叶变换
• 3.2.2 傅立叶描绘子的提取及归一化
• 3.2.3 算法的具体实现
• 3.3 改进的二维傅立叶描绘子的特征提取
• 3.3.1 区域重心和面积
• 3.3.2 二维离散傅立叶变换
• 3.3.3 改进的傅立叶描绘子
• 3.3.4 算法的具体实现
• 3.4 算法分析比较
• 第四章 手势识别
• 4.1 神经网络模型
• 4.2 BP神经网络模型
• 4.2.1 BP算法的数学描述
• 4.2.2 BP神经网络的优缺点
• 4.2.3 BP算法的启发式改进
• 4.3 BP神经网络的设计
• 第五章 手势识别原型系统
• 5.1 系统框架
• 5.2 系统测试
• 5.3 实验数据分析
• 结束语
• 致谢
• 参考文献
• 研究成果