手势识别已经成为人机交互和模式识别领域的重要研究方向,是一个较为热门的研究课题。基于视觉的手势识别,是让计算机能够像人那样看见并理解人的手势,它在人机交互、虚拟现实、手语理解、远程控制等领域中有着广泛而重要的应用。近年来国内外不少研究机构己取得了一些阶段性成果。针对手势图像的获取,本文讨论了一种手势图像的归一化方法,并进一步讨论了手势方向检测的方法和手臂图像分离的方法,获取了关于平移和尺度不变的手势图像,对提高手势识别的正确率具有较大的指导意义。手势图像是一种以手掌区域为中心、手指位于周围形成不同姿态的图像,可以近似地认为,在圆周分布的辐射区域的明显不同形成了不同的手势意义。而在手势的识别方法中,还没有明确突出以径向或辐射信息为特征的识别方法。本文中从新的特征提取方法入手,讨论了基于辐射信息的手势识别方法,包括辐射投影方法和极半径不变矩方法。本课题使用辐射投影的方法和极半径不变矩方法实现手势的识别,为手势识别提供了两种新的研究方法。文中阐述了所使用的辐射投影变换提取的特征具有尺度、平移、旋转不变性,能够稳定地表征手势样本的类别属性。实验也表明,这种方法具有较强的鲁棒性。文中对辐射投影法进行改进,分别对投影目标和投影定义进行改进。在对投影目标改进后获得了较好的识别效果,在对手势的边缘图像识别过程中获得了较快的识别速度。通过文中建立的手势样本库进行训练和测试实验,证明了辐射投影法在手势识别中的可行性。本文中通过使用归一化极半径矩构造了一组特征向量,并用于手势识别的研究中,在实验中取得了较好的效果。本文通过对极半径不变矩在手势识别中的实验研究,证明了这是一种有效识别手势的方法。文中对手势的边缘图像进行极半径不变矩特征的提取,得到了较好的识别结果和较快的识别速度。
本文来源: https://www.lw50.cn/article/51dfdeb032f0f88de3fc6d9c.html