【導(dǎo)讀】師的指導(dǎo)下進行的研究工作及取得的成果。盡我所知，除文中特別加。而使用過的材料。均已在文中作了明確的說明并表示了謝意。除了文中特別加以標(biāo)注引用的內(nèi)容外，本論文。不包含任何其他個人或集體已經(jīng)發(fā)表或撰寫的成果作品。究做出重要貢獻的個人和集體，均已在文中以明確方式標(biāo)明。全意識到本聲明的法律后果由本人承擔(dān)。同意學(xué)校保留并向國家有關(guān)部門或機構(gòu)送交論文的復(fù)印件和電子版，允許論文被查閱和借閱。本人授權(quán)大學(xué)可以將本學(xué)位。印或掃描等復(fù)制手段保存和匯編本學(xué)位論文。涉密論文按學(xué)校規(guī)定處理。程序清單等），文科類論文正文字?jǐn)?shù)不少于萬字。有圖紙應(yīng)符合國家技術(shù)標(biāo)準(zhǔn)規(guī)范。圖表整潔，布局合理，文字注釋必須使用工程。android設(shè)備進行操作的系統(tǒng)。息，選擇手勢進行人機交互，不存在信息交流的困難。置，對指尖位置進行跟蹤和處理，可完成操作。目前常用的操作。不采用整個手勢進行識別，因為目前的針對復(fù)雜手

　　

【正文】 率大的點都當(dāng)做指尖。 因此，要想準(zhǔn)確的判斷指尖，還得結(jié)合質(zhì)心距來檢測； 設(shè) P={p0,p1,p2,… pn}的質(zhì)心為 pc， 質(zhì)心距 dis={d1,d2,d3… dn}。 曲率 k={k1,k2,k3,… kn} 判定是否為指尖的閾值為 k*dis,最大者為指尖。 為了判定未伸出指尖的情況，還得設(shè)定 K*dis 的范圍，低于質(zhì)心距平均值者不認(rèn)為是指尖。 實驗圖像： 33 6 部分算法 (1):邊緣檢測： public static int[][] tocal(Bitmap bo,int ww,int hh) { final int h=()。 final int w=()。 int[][] back=new int[ww][hh]。 int xc,yc。 if(w%ww==0){ xc=w/ww。 }else{ 34 xc=w/ww+1。 } if(h%hh==0){ yc=h/hh。 }else{ yc=h/hh+1。 } int l=0,m=0。 // final int[] rgba = new int[h*w]。 for(int y=0。yh。y=y+yc){ l=0。 for(int x=0。xw。x=x+xc){ int color=(x, y)。 int R =(color)。 int G = (color)。 int B = (color)。 int a=(int)(50*R8*B41*G)。//a為 100*v // U =***G // V =**G *B // int b=(int)(17*R+33*G50*B)。//b為 100*u int b=R+2*G3*B。 if((a500amp。amp。a4500)amp。amp。(b5amp。amp。b300)){ back[l][m]=1。 }else{ back[l][m]=0。 } l++。 } m++。 } int[][] back1=new int[ww+1][hh]。 for(int x1=0。x1ww+1。x1++){ for(int y1=0。y1hh。y1++){ back1[x1][y1]=0。 } } int fig=0。 35 for(int x2=1。x2ww1。x2++){ int xx=0。 for(int y2=1。y2hh1。y2++){ if(back[x2][y2]==1amp。amp。isBorder(back,x2,y2)){ back1[x2][y2]=1。 y2++。 while(back[x2][y2]==1amp。amp。isBorder(back,x2,y2)){ back1[x2][y2]=1。 y2++。 } xx++。 } } if(xx%2!=0){ fig++。 } } return back1。 } private static boolean isBorder(int[][] data,int l,int m){ boolean re=false。 int t1=data[l][m1]+data[l1][m] +data[l+1][m]+data[l][m+1]。 int t2=data[l1][m1]+data[l+1][m1]+ data[l1][m+1]+data[l1][m+1]。 if(t1!=4amp。amp。(t1+t2)2amp。amp。(t1+t2)7){ return true。 } return re。 36 } (2):二值化： public static Bitmap toSIZEHSV(Bitmap bo,int aw,int ah) { final int h=()。 final int w=()。 int xc,yc。 if(w%aw==0){ xc=w/aw。 }else{ xc=w/aw+1。 } if(h%ah==0){ yc=h/ah。 }else{ yc=h/ah+1。 } int[] re = new int[ah]。 int[] rgba = new int[aw*ah]。 int l=0,m=0。 for(int y=0。yh。y+=yc){ l=0。int t=0。 for(int x=0。xw。x+=xc){ int color=(x, y)。 int R =(color)。 int G = (color)。 int B = (color)。 int a=(int) (50*R8*B41*G)。 int b=(int) (17*R+33*G50*B)。 if((a500amp。amp。a4500)amp。amp。(b100amp。amp。b5100)){ rgba[m*aw+l]=。 t++。 }else{ rgba[m*aw+l]=。 } l++。 } re[m]=t。 m++。 } Bitmap bmp = (aw, 37 ah,)。 (rgba,0,aw, 0, 0, aw,ah)。 int[] tt=new int[2]。 int[] b=max(re)。 tt[0]=b[1]。 tt[1]=b[0]。 return bmp。 } 7 創(chuàng)新點 (1)應(yīng)用創(chuàng)新 手勢識別是計算機領(lǐng)域的一個重大課題，將手勢應(yīng)用在移動終端，及可穿戴設(shè)備終端，是一個新的嘗試和機會。手勢識別雖然發(fā)展很久了，但一直沒有廣泛應(yīng)用，原因就是目前的識別不夠精確，但對于移動終端，只要能跟蹤到指尖軌跡，就能進行操作，所以目前的手勢識別技術(shù)對于移動終端的 大部分操作都可完成。 (2)分割方法 手勢識別中首先解決的是手勢分割，基于計算機視覺的是一個大趨勢，從 android 攝像頭采集的數(shù)據(jù)時 YUV 格式的，也就是 yCrCb，基于此格式的于膚色檢測識別性較高，我們改進后的算法則彌補了識別性和移動終端處理能力的不足。 (3)指尖控制 對于移動終端，指尖是控制的核心，將控制集中在指尖，對人手的不確定性做出了限制，識別的精確度也有了提高。 38 (4)算法 原創(chuàng)的邊緣分割方式，更適合在移動終端這樣配置不高的情況下進行量化識別邊緣，對執(zhí)行速度和噪聲的處理也是一個彌補。 8 附錄 ? Digital Image Processing Thread Edition， Rafael C,Gonzalez。Richard E,Woods ? 任海兵，祝遠(yuǎn)新，徐光遠(yuǎn)，連續(xù)動態(tài)手勢的時空表現(xiàn)建模及識別，計算機學(xué)報。 ? 陶霖密，鼓振元，徐光佑，人體的膚色特征，軟件學(xué)報，2020， vo112， ? Dave Smith,Jeff Friesen, Android Recipes A ProblemSolution Approach ? MSDN, ? Thinking in Java Bruce Eckel。 ? 瘋狂 anroid 講義 李剛 ；