基于多攝像頭的手勢識別技術(shù)設(shè)計(jì)分析畢業(yè)論文-全文預(yù)覽
【正文】 越好噪聲越少，處理就會變得越精確。圖81 GSense手勢識別系統(tǒng)圖82 GSense手勢識別系統(tǒng)組成系統(tǒng)的輸入是兩個攝像頭的手勢視頻，輸出是識別出的手勢位置和手勢命令，如圖所示。GSense是一個具有手勢識別功能的實(shí)時人機(jī)交互界面軟件，可以看作是一種支持手勢動作的輸入設(shè)備。本文包含4種靜態(tài)于勢，1 1種動態(tài)手勢。在照片瀏覽應(yīng)用中，通過三維手勢作為輸入，實(shí)現(xiàn)常見的瀏覽操作功能，例如“放大照片、“縮小照片、“上一張照片”、“下一張照片”、“第一張照片”、“最后一張照片”、“照片順時針旋轉(zhuǎn)90度”、“照片逆時針旋轉(zhuǎn)90度”等。靜態(tài)手勢和動態(tài)于勢也有各自適用的應(yīng)用場景。Y視頻獲取采樣輪廓提取計(jì)算手和臉的信息圖像二值化統(tǒng)計(jì)手部圖像的信息解釋手勢動作HMM動態(tài)手勢識別靜態(tài)手勢識別手勢運(yùn)動向量計(jì)算手指定位標(biāo)定手和臉結(jié)束NYN圖71 手勢識別整體流程 GSense系統(tǒng)的手勢詞匯設(shè)計(jì)手勢設(shè)計(jì)是屬于交互設(shè)計(jì)問題。在手勢跟蹤部分，描述了本文提出的基于質(zhì)心估計(jì)手臉遮擋下的手勢跟蹤方法。HMM具有較強(qiáng)的學(xué)習(xí)能力。(4)觀察概率矩陣B=，表示狀態(tài)觀察到的概率。狀態(tài)之間的轉(zhuǎn)移是根據(jù)轉(zhuǎn)移概率矩陣A決定的。帶限制的左右型HMM是限制每個狀態(tài)只能轉(zhuǎn)移到自身或者它的下一個狀態(tài)。HMM已經(jīng)在語音識別領(lǐng)域取得了很大的成功，在手勢識別也得到成功的應(yīng)用。隱馬爾可夫模型(刪，Hidden Markov Model)隱馬爾可夫模型洲是從馬爾可夫(Markov)鏈的基礎(chǔ)上發(fā)展的。有限狀態(tài)機(jī)(FSM，F(xiàn)inite State Machine)有限狀態(tài)機(jī)(FSM，F(xiàn)inite State Machine)可以用于動態(tài)手勢識別。例如H．Jet和J．Kim使用直方圖對于勢運(yùn)動方向向量進(jìn)行統(tǒng)計(jì)，識別音樂指揮中的四種手勢。目前有許多方法可以對時間序列數(shù)據(jù)進(jìn)行分類?；跈C(jī)器學(xué)習(xí)的方法靜態(tài)手勢識別中，基于機(jī)器學(xué)習(xí)的識別方法比較常用的是人工神經(jīng)網(wǎng)絡(luò)(ANN，Artificial Neural Network)、支持向量機(jī)(SVM，Support Vector Machine)等。距離函數(shù)需要根據(jù)特征的特點(diǎn)來選取的?；谀０迤ヅ涞姆椒ɑ谀０迤ヅ涞姆椒ㄊ遣杉o態(tài)手勢作為樣本，提取特征作為模板特征庫?；谝?guī)則的識別方法基于規(guī)則的識別方法是最簡單的一種識別方法。圖：53手勢運(yùn)動方向編碼通過計(jì)算于勢運(yùn)動軌跡相鄰點(diǎn)之間位移，得到運(yùn)動的方向編碼，組成手勢運(yùn)動向量特征。經(jīng)典的手指提取方法是利用手指距離手掌中心最遠(yuǎn)這個規(guī)律，把于的輪廓點(diǎn)的坐標(biāo)轉(zhuǎn)換成為以手掌中心位置為原點(diǎn)的極坐標(biāo)系，然后分析輪廓曲線中的局部最大值(如圖52所示)，最后通過映射規(guī)則把點(diǎn)的位置映射為手指。圖51 手的輪廓特征手的位置特征是指手掌的質(zhì)心位置，質(zhì)心位置可以按公式5公式5公式5公式54計(jì)算。手的輪廓特征可以連續(xù)的點(diǎn)來表示。例如基于模型的手勢模型有手的每個關(guān)節(jié)的狀態(tài)特征，基于表觀模型的手勢特征是輪廓特征、位置特征等。它要求背景靜止不變，把視頻中的每幀與背景相減，背景相同的部分變?yōu)榱悖煌牟糠志驼J(rèn)為是運(yùn)動的物體，即手。4. 手勢檢測與跟蹤手勢檢測與跟蹤是手勢識別處理流程中最前端的處理部分，它處理從攝像頭獲取到手勢圖像(序列)，從中檢測和分割手勢對象。 基于表觀的手勢模型主要包括基于顏色的模型與基于輪廓的模型兩種。圖23 手勢識別流程3. 手勢建模在手勢識別框架中，手勢模型是一個最基本的部分。一般認(rèn)為，手勢概念經(jīng)過人的于轉(zhuǎn)化為的于勢動作，觀察者看到的是于勢動作的圖像雎1。本文研究的是基于多攝像頭的動態(tài)手勢識別方法，利用兩個正交放置的攝像頭來獲取動態(tài)手勢的三維運(yùn)動信息，以支持三維動作的識別。動態(tài)手勢具有豐富和直觀的表達(dá)能力，與靜態(tài)手勢結(jié)合在一起，能創(chuàng)造出更豐富的語義?；诙鄶z像頭的手勢識別技術(shù)研究1. 研究背景 22. 手勢識別概述 2 手勢識別的概念 2 手勢識別流程 33. 手勢建模 44. 手勢檢測與跟蹤 45. 手勢特征提取 5 靜態(tài)手勢特征 5 動態(tài)手勢特征 76 手勢識別 8 靜態(tài)手勢識別 8 動態(tài)手勢識別 97 基于多攝像頭的手勢識別 12 GSense系統(tǒng)的手勢詞匯設(shè)計(jì) 13 GSense手勢識別應(yīng)用 13 GSense應(yīng)用背景下的手勢設(shè)計(jì) 14 動態(tài)手勢的定義 158 Sense手勢識別系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn) 15 GSense系統(tǒng)框架與功能 16 GSense系統(tǒng)的詳細(xì)設(shè)計(jì) 17 1. 研究背景隨著計(jì)算機(jī)硬件與軟件技術(shù)的發(fā)展，人機(jī)交互技術(shù)由傳統(tǒng)的鼠標(biāo)鍵盤時代發(fā)展到了以語音輸入、動作識別等技術(shù)為代表的自然交互時代n1。手勢主要分為靜態(tài)手勢和動態(tài)手勢兩種，動態(tài)手勢可以看作是連續(xù)的靜態(tài)手勢序列。研究基于視覺的動態(tài)手勢識別對于構(gòu)建更加好友的人機(jī)交互界面很有意義。2. 手勢識別概述 手勢識別的概念手勢是姿勢的一個子集，姿勢這個概念沒有精確的定義。圖22 手勢識別的過程 手勢識別流程手勢識別流程包手勢圖像獲取、手勢分割、手勢特征提取、手勢識別四大部分嘲，如圖23所示?；诒碛^的手勢建模是一種二維建模，從二維平面觀察得到的平面圖像信息描述于的特征?；谳喞氖謩菽Ｐ褪前咽挚醋饕粋€輪廓，通過提取手部圖像中手的輪廓的幾何特征來描述手勢。其中一種方法是背景減法。5. 手勢特征提取手勢特征的提取是與手勢模型密切相關(guān)的，不同的手勢模型會有不同有于勢特征。 靜態(tài)手勢特征常用的靜態(tài)手勢特征有輪廓、位置、面積、手指分布等
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號-1