摘 要

手势是人类生活中常见的一种简单交流方式，基于手势识别的人机交互也慢慢应用到实际生活中，比如：机器人控制，智能家居，体感游戏等。本文主要研究内容为动态手势识别技术，并在此基础上，实现手势对机械臂的控制。

本文主要研究了动态手势识别的基本算法，然后利用该算法建立了一个简单的人机交互系统。手势识别又分为三个步骤：分别是手势检测，运动手势跟踪，手势识别。手势检测主要是通过背景差分法获得手势的具体位置。手势跟踪主要是通过卡尔曼(Kalman)滤波对目标进行跟踪，首先预测手的位置，再对预测的位置进行重定位与跟踪，并获得每一帧图像手势的具体位置。得到坐标后，采用角度量化的方法，用16方向链码法，得到了每种手势运动轨迹的特征向量，接着利用隐马尔科夫模型对特征向量进行训练和识别。人机交互则主要设计了一个人机交互界面，实验者可以对着摄像头做出相应手势，系统识别后，再对机械臂发送相应指令。经过测试表明，可以基本上实现预期效果，简单实现人机交互。

关键词：手势识别；人机交互；背景差分；卡尔曼滤波；隐马尔科夫模型

ABSTRACT

Gesture is one of the common communication in our daily life. Human-computer interaction based gesture recognition is gradually applied to human life, such as robot control, intelligent home, somatosensory games. In order to make people's lives more convenient, this paper studies the dynamic gesture recognition based on vision, and on this basis, to achieve the robot arm.

The study mainly from two aspects of vision-based dynamic gesture recognition, one is the gesture recognition system implementation and the other is human-computer interaction systems. Gesture recognition is divided into three steps: namely gesture detection, gesture tracking and gesture recognition. Gesture detection can get the specific location of the gesture by background subtraction. Gesture tracking is mainly through kalman filtering for target tracking, forecasting hand position first, and then the predicted position relocation, and access each frame gesture specific location. After obtained the coordinates, sixteen-directional chain code is employed to quantify and encode the angle value. As a result, gesture feature vectors are obtained .Next, the feature vectors can be sent into the HMM model for training and recognition. HCI is mainly designed an interactive interface, the experimenter can make the appropriate gesture in front of the camera, and then send the appropriate commands to the robot arm. The tests showed that the system can basically achieve the desired effect, that is, human-computer interaction is realized.

Keywords: Hand gesture recognition；Human-Computer Interaction；Background subtraction； Kalman filtering；HMM model

目录

第1章 绪论 1

1.1研究背景及意义 1

1.2国内外研究现状 2

1.3研究内容说明 3

第2章 手势识别方法研究 4

2.1手势识别理论基础 4

2.2 手势目标检测 5

2.2.1 背景差分法 5

2.2.2 实验结果分析 6

2.3 手势跟踪 7

2.3.1 kalman滤波算法 7

2.3.2 目标追踪实验与结果分析 8

2.4 动态手势识别理论 9

2.4.1 运动轨迹特征提取 9

2.4.2 HMM算法的实现 11

2.4.3 手势识别实验与结果分析 13

2.5 本章小结 18

第3章 人机交互系统 19

3.1 系统环境与需求分析 19

3.1.1 运行环境 19

3.1.2 需求分析 19

3.2 系统整体设计 19

3.2.1 控制通信模块设计 19

3.2.2 人机交互界面搭建 22

3.3 系统性能分析 22

3.4 本章小结 25

第4章 总结与展望 26

4.1论文总结 26

4.2展望 26

参考文献 28

致谢 30

第1章 绪论

1.1研究背景及意义

随着信息时代的到来和科技水平的逐步提升，人机交互已经成为人们日常生活中不可或缺的一部分。过去的人机交互主要是通过鼠标，键盘等来控制计算机，但是随着智能机器的发展，传统的交互方式慢慢显示出它的局限性^[1]，新的交互方法已经慢慢向“以人为中心”转移，其中，基于视觉的手势识别技术则是以人手作为输入，通过手势对外部的设备进行控制^[2]。

手势是人们常见的一种动作，既可以表达人的一些感情也可以与其他人进行交流。作为一种常见的交流方式，手势在各领域中都有广泛的应用，如在战斗中，指挥部队运用大量手势进行交流；比赛时，裁判通过手势来判罚比赛；由于手势具有直观，简单的特点，所以目前手势识别技术已经慢慢成为人们研究的热门方向，应用在各个领域：

（1）手语识别