山东大学-手势识别

《山东大学-手势识别》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、原创性声明本人郑重声明:所呈交的学位论文，是本人在导师的指导下，独立进行研究所取得的成果。除文中已经注明引用的内容外，本论文不包含任何其他个人或集体己经发表或撰写过的科研成果.对本文的研究作出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律责任由本人承担。一，Z4903一f·2口丹日:—论文作者签名关于学位论文使用授权的声明本人完全了解山东大学有关保留、使用学位论文的规定，同意学校保留或向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅;本人授权山东大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段

2、保存论文和汇编本学位论文.(保密论文在解密后应遵守此规定)论文作者签名导师签名言IJ、A介、.u口‘J期.Z,603,S.2摘要摘要手势是一种自然而直观的人际交流模式，基于视觉的手势识别是实现新一代人机交互所不可缺少的一项关键技术，而由于手势本身具有的多样性、多义性，以及时间和空间上的差异性等特点，加之人手是复杂的变形体以及视觉本身的不适定性，使此方向研究成为一个极富挑战性的多学科交叉研究课题。本文侧重于研究复杂背景下的手势分割以及利用不同方法对手势轨迹进行识别，在此基础上对手势的检测和样本的自动聚类做进一步研究，并通过建立基于HMM的门限模型以增强抗千扰能力从而提高识别率。手势分

3、割的好坏直接影响到识别率高低，而基于颜色及运动信息的分割技术已成为运动目标跟踪分析的有效手段，本文通过引入具有强特征提取能力的SOM神经网络进行肤色的聚类，并结合人手的主运动分量分析提取出完整的手形，通过实验验证了该算法的有效性和良好的自适应能力。通常手势轨迹在人类交流中传递较多的信息，本文借鉴成功应用在语音识别领域中两种识别方法(HMM和DTW)，对预定义的8种手势轨迹进行训练和识别。HMM模型是一个双层随机过程，它包含一个状态序列S和输出符号序列O,也就引申出三个参数A,B，二。A是状态转移概率矩阵;B是观察符号对于状态的输出概率矩阵;二是状态的初始概率分布。这样便构成了一个H

4、MM模型一-A--(A,B,,-c)，在BM”中需要解决以下三个基本问题:1)P(OI幻的估算问题，可通过前后向算法解决;2)在己知模型及观察序列条件下，如何确定最佳的状态序列Q=9,,9z>...,9r，引用Viterbi算法能有效解决此问题;3)HMM模型的训练问题，通过Baum-Welch算法可以解决。本文基于HMM的训练识别实验建立在Matlab6.1和HTK(HMMToolsKit)平台上，实验中对8个孤立手势的识别达到较高的平均识别率-一一-97.04%,DTW方法是具有非线性时间归一化效果的模式匹配算法，使用某种指定属性的非线性规整函数对时间轴上的波动近似模拟，从而消

5、除两个时空表示模式之—一三毛鹭蒸粼塑选刽蒸蒸~-一鲡一间的时间差别。训练中先对每种轨迹找到一个代表作为该模板的参考，待测样本与每一参考轨迹计算匹配距离，通过寻找最小值判断测试样本的类别以达到识别目的，实验得到平均识别率为95.26%>本文在对手的颜色特征进行分析的基础上，利用肤色在H(Hue).S(Saturation)空间的分布在一相对固定区域上的特点，进行了手势检测的实验，同时在进一步研究中，分别通过引入MKM算法和基于HMM的门限模型以实现样本的自动聚类和提高识别的抗干扰能力，均获得了较佳的效果。关键词:手势分割，轨迹识别，隐马尔可夫模型，动态时间规整，MKM聚类「〕限模型摘

6、要ABSTRACTHandgesturesplayanaturalandintuitivecommunicationmodeforallhumandialogs.Theabilityforcomputertovisuallyrecognizehandgesturesisessentialforfuturehuman-computerinteraction.However,vision-basedrecognitionofhandgesturesisanextremelychallenginginterdisciplinaryprojectforthefollowingreasons

7、:1)handgesturesarerichindiversities,mufti-meaningsandspace-timevarieties;2)humanhandsarecomplexnon-rigidobjects;3)computervisionitselfisanill-posedproblem.Thispaperfocusesmostlyonhandsegmentationfromcomplexbackgroundandrecognitionofhand