林偉強 莊寶山
摘要:為了理解用戶手勢的含義,該文首先利用攝像頭捕獲連續運動的手勢,隨后將其進行部分圖像的預處理操作,利用手勢分割技術將手勢部分分割出來,并提取手勢的質心以及面積的大小作為特征向量,用于建立隱馬爾可夫模型的參數,最終形成一個能理解用戶手勢操作的系統,并對其進行應用。
關鍵詞:手勢識別;隱馬爾可夫模型;手勢分割
中圖分類號:TP18 文獻標識碼:A 文章編號:1009-3044(2014)32-7714-05
Abstract:To understand the meaning of users hand gestures, first of all, this article uses cameras to capture a series pictures of moving hands and then predo these pictures by using the technology of hand gestures segment to identify hands, extracting the central position and calculating the areas of hands, using these elements to build hidden markov model. Finally to form a system which can understand the meaning of users hand movement.
Key words: Hand Gesture Trajectory Tracking; HMM; Hand Gesture Segment
隨著科技技術的日新月異,計算機科學的蓬勃發展,計算機已經成為了人們生活中不可獲取的一個主要物品。而在其間,人機交互技術大大的方便了人們的生活,儼然成為了眾多學者研究學習的主要內容。由于手勢動作能夠很好的表現人們想要傳達的意思,使之成為計算機與人交互的主要方式之一,因此手勢的識別在這些研究課題中成為了熱門話題。
本文是基于攝像頭捕獲圖像后,利用圖像處理技術進行動態手勢軌跡的跟蹤與HMM模式的識別。其內容包括圖像預處理、手勢分割與定位、手勢的分析以及基于HMM模式的手勢識別四大塊的研究,并給出了自己的設計方案。
在手勢識別過程當中,不論是靜態手勢還是動態手勢,都必須首先獲得手勢的圖像,隨后進行手勢的檢測,手勢分割,手勢的分析,最后進行手勢的識別。具體流程如圖1所示。
迄今為止,隱馬爾可夫模型在識別領域已經有著形形色色的應用。如Schlenzig[1]利用隱馬爾可夫模型進行的手勢識別,研究過程中為每個手勢賦予一個隱馬爾可夫模型用于后續識別手勢含義。……