论文总字数：21460字

摘 要

人工智能技术的成熟，使得人机交互技术贯穿我们生活的方方面面。在人机交互技术中，手势控制作为最为重要的部分之一，具有广泛的应用前景，尤其是虚拟现实等领域中。手势识别作为手势控制的关键环节，因此对它的研究具有很大的意义。

本设计以静态手势图像作为研究对象，对手势数字的识别过程和技术进行了研究。本文的方法首先将静态手势数字的图像转换到肤色聚类效果较好的YCrCb空间,利用肤色模型对各像素点进行估计，之后应用自适应算法（Otsu）找出最佳的阈值，实现手部区域的分割。通过形态学操作和区域操作，获得手势数字的连续、光滑轮廓。然后利用Hu矩计算手势的重心，结合曲率检测、凸包检测计算指尖点数目；利用曲率检测算法中滤出的凹槽点确定指根点，进而与左右两个指尖点确定一个夹角；利用确定的指尖点和指根点的位置计算指尖点与指根点的距离。以指尖点数目、指尖点间夹角、指尖点与指根点的距离构建各数字手势的特征，最后利用决策树模型实现对静态数字手势的识别。

通过对1000张手势图像进行实验，取得了较好的识别效果，证实了所设计系统的可行性，达到了课题的预期目标。

关键词：手势识别 肤色分割 特征提取 决策树模型

Research on Gesture Recognition Technology

Abstract

The maturity of artificial intelligence technology makes human-computer interaction technology permeate all aspects of our lives. In human-computer interaction technology, gesture control is one of the most important parts, and has broad application prospects in the fields of intelligent driving and virtual reality. The key link of gesture control is gesture recognition, so its research is of great significance.

This design takes static gesture images as the research object, and studies the recognition process and technology of gesture numbers. The method of this paper first converts the image of the static gesture number into the YCrCb space with better skin color clustering effect. The skin color model is used to estimate each pixel, and then the adaptive algorithm (Otsu) is used to find the best threshold to realize the hand area of division. Obtain continuous and smooth contours of gesture figures through morphological operations and area operations. Then use Hu moments to calculate the center of gravity of the gesture, combined with curvature detection and convex hull detection to calculate the number of fingertip points; use the groove points filtered in the curvature detection algorithm to determine the root point of the finger, and then determine an angle with the left and right fingertip points; Calculate the distance between the fingertip and the root of the finger using the position of the fingertip and the root of the finger. The characteristics of each digital gesture are constructed based on the number of fingertip points, the angle between the fingertip points, and the distance between the fingertip point and the root of the fingertip. Finally, the decision tree model is used to recognize static digital gestures.

By experimenting with 1000 gesture images, a good recognition effect was obtained, the feasibility of the designed system was confirmed, and the expected goal of the subject was achieved.

Keywords: Gesture Recognition; Skin Color; Segmentation; Feature Extraction; Decision Tree Mode.

目 录

摘 要 I

Abstract II

第一章 绪论 1

1.1 研究背景和意义 1

1.2 研究现状 1

1.3 手势识别的基本流程 3

1.4 本文的主要工作 3

第二章 静态手势图像的预处理 5

2.1 手势图像获取 5

2.2 基于肤色的手部检测 5

2.2.1 色彩空间模型及模型转换 5

2.2.2 手部肤色建模 7

2.2.3 肤色分割 9

2.3 图像形态学操作 11

2.3.1 形态学操作——膨胀和腐蚀 11

2.3.2 形态学操作——开操作和闭操作 12

2.4 图像滤波操作 12

2.4.1 高斯滤波 12

2.4.2 均值滤波 13

2.4.3 中值滤波 13

2.4.4 双边滤波 13

2.5 手势轮廓的确定 14

第三章 手势的特征提取与识别 16

3.1 手势特征 16

3.1.1 手势特征概述 16

3.1.2 本文选取的特征 16

3.2 指尖数目的提取 16

3.2.1 Hu不变矩与距离相结合的方法 16

3.2.2 基于曲率的指尖检测 19

3.2.3 基于凸包的指尖检测 20

3.2.4 各手势数字的指尖个数 21

3.3 手指夹角的提取 21

3.4 指尖到指根距离的计算 22

3.5 本文的手势特征描述 22

3.6 数字手势的识别 23

3.6.1 识别技术概述 23

3.6.2 基于决策树模型的手势识别 24

第四章 系统的实现与分析 25

4.1 系统的开发工具 25

4.2 系统整体框架 25

4.3 实验过程与结果 26

4.3.1 预处理 26

4.3.2 特征提取的结果 27

4.3.3 识别的结果 28

4.4 结果分析 29

第五章 总结与展望 31

5.1 总结 31

5.2 展望 31

参考文献 33

致谢 35

第一章 绪论

• 1. 1.1 研究背景和意义

在智能化与信息化方兴未艾的今天，人们的生产力获得了进一步解放，生活方式更上一层楼，进入了前所未有的信息化时代。纵观历史，技术的创新来源于人们的生活，服务于人们的生活。如今，计算机已经深入到各行各业，广泛应用在人们的日常生活中，这便产生了人机交互这门新型学科。人机交互是一种信息交互的过程，在此中间，人通过一定的语言与计算机进行交互，以达到预期的目标。早期的人机交互技术上不够成熟，基本上是以键盘鼠标为交互媒介，人们需要被动的接受机器的设置要求来完成两者之间的互动。随着人机交互技术的迅猛发展，尤其人脸识别技术的大规模商用，使人机交互技术的核心由“机器”转变为了“人”。这种交互模式的转变，预示人机交互技术翻开了新时代的一页。

请支付后下载全文，论文总字数：21460字