摘 要

对于日益增长的人机交互市场，本文对一定环境条件下，一个固定摄像头的手势识别情形进行了研究，利用手势分割建立手势库，手势的特征提取和识别。噪声所产生的因素，如采集装置、环境影响等因素，采用中值滤波法进行滤波。滤除噪声后，转化成灰度图像，并基于肤色和背景减法的自适应阈值分割法分割图像。图像分割边缘检测和手势形状特征提取的图像特征提取。Log边缘检测算法提取图像边缘分割的手势。^[1]针对不变矩的旋转、平移和缩放不变性，给出了利用矩特征提取手势轮廓的方法。模板库是选取网络上无噪声污染的标准手势图像，将在理想的条件下采集到的图片的手势定位，LOG边缘检测算法提取边缘特征，然后填充，定位以及分割。之后做成匹配模板。在自然环境的提取后，利用该方法计算了模板特征，并利用最近邻原则作为识别准则。最后，中值滤波、空间变换、Log边缘检测、形状匹配进行了验证，手势识别和跟踪的结果进行了分析。得出以下结论：对自然场景的采集手势可以完全分离，并去除大部分噪声的图像；手跟踪稳定效果，可以找回丢失的跟踪。

关键词：定位分割；形状匹配；Log边缘检测；

Abstrct

For the growing market for human-computer interaction, this paper under the certain conditions, a stationary camera gesture recognition situation were studied use of gesture segmentation to establish a gesture library, gesture feature extraction and recognition. Noise generated by factors, such as the acquisition device, environmental impact and other factors, using the median filtering method to filter. After filtering out the noise, the image is transformed into gray level image, and the image is segmented by adaptive threshold segmentation method based on skin color and background subtraction. Image segmentation edge detection and gesture shape feature extraction of image feature extraction. Log edge detection algorithm to extract image edge segmentation gesture. According to the invariance of rotation, translation and scale invariance of invariant moments, the method of extracting gesture contour using moment feature is presented. Template library is selected on the network without noise pollution standard gesture image, will be in ideal conditions collected pictures hand localization and log edge detection algorithm for extracting edge features, then filled with positioning and segmentation. Then make a matching template. After the extraction of the natural environment, this method is used to calculate the template feature, and the nearest neighbor principle is used as the recognition criterion. Finally, median filtering, spatial transform, Log edge detection, shape matching are verified, and the results of hand gesture recognition and tracking are analyzed. Draw the following conclusion: the natural scene of the acquisition of hand gestures can be completely separated, and the removal of most of the noise image; hand tracking stability effect, you can retrieve the lost track.

Key words: location segmentation; shape matching; Log edge detection

目 录

第1章 绪论 4

1.1研究目的 4

1.2国内外研究现状 4

1.3研究的难点 5

1.4手势的定义 5

1.4.1手势的分类 5

1.4.2 手势系统的组成 6

1.4.3 与其他技术优势 6

1.5小结 7

第2章 手势数据库的建立 8

2.1 手势图像分割 8

2.2灰度变换 8

2.3边缘检测 9

2.3.1差分边缘检测方法 10

2.3.2 Roberts边缘检测算子 10

2.3.3 Soble边缘检测算子 10

2.3.4 Prewitt边缘检测算子 11

2.3.5 Canny边缘检测算子 11

2.3.6 Log边缘检测算子 11

2.4 手势图像形态学处理 12

2.5 本章小结 16

第3章 手势的对比 17

3.1 手势图像的平滑处理 17

3.2 手势匹配方法 18

第4章 总结 22

参考文献 23

附录 24

致谢 33

绪论

1.1研究目的

随着计算机技术的出现和信息时代的飞速发展，计算机在我们的生活中越来越深入，从互联网上我们可以得到我们所需要的信息，因此人机交互技术成为最热门的研究课题之一。现代，人们使用科技的能力不断的提升，因此如何建立一个更加和谐、自然的人机交流互动环境，让用户可以在一个已知的方式中使用计算机，^[2]是一个迫切需要解决的难题。传统的人机交互方法由原来的键盘输入到鼠标、操纵杆、蓝牙装置，控制器等，大大方便了人与机器之间的相互作用，使其更方便操作计算机，从而能够快速完成某些任务。但是，这些交互方式既依赖于附加的输入设备，又不太与人们的互动习惯相符，因此还不能完全满足人们对计算机进行交流的需求。伴随电子技术的不断创新，尤其是如今图像的分析技术和手势的鉴别技术的进步，人们的关注点已经不再限制于过去的人机交互方式的改进，如何利用其人体形态学的原理，人机交互变得方便、简介和丰富成为如今研究的热点。

在一些涉及信息安全的领域，主要用到的人体特征包括人的视网膜、手指的指纹、掌纹、人的手腕及手势、虹膜和步态等。由于人类的手对于人自身的重要性和其本身的特殊性，它已被广泛研究作为一种最自然，直观，易于学习的人机交互。^[3]其结果是，人的手势思想在进行人机交互时，与人的其他特性相比，更为舒适、直观、丰富。此外，与传统人相比，人与人、人与人之间的互动交流，人们与机器的沟通往往是没有表情，没有动作，机械是不是自然的。因此，该机器能很好地感觉到人类的语言，对提高人机交互水平，增强人机交互的实用性具有重要意义。与口语和书面语言和自然语言相同的表达能力和人类语言的重要组成部分，因此它可以作为一种自然的人机交互方式，在人机交互领域起着至关重要的作用。但是由于手本身本身是一个复杂的变量形式，而且手势具有多样性和模糊性和不确定性，所以这会是一个富有挑战性的包含多种学科的课题，会成为将来人机交互研究的热门。手势识别的研究对于提高人机交互的研究具有重要的意义。