基于图像高阶NMI值的手势识别算法研究
手势识别的研究具有广阔的实际应用前景,具体表现在诸多方面如:对语音识别起着辅助作用;利用手势控制VR(Virtual Reality)中的智能化;机器人的示范学习;虚拟现实系统中的多模式接口;可以使聋哑人使用手语和正常人交流等.另外,手语的研究涉及到教育学、计算机图形学、机器人运动学、医学等多学科.该文结合上海市自然科学基金资助课题"手势识别与手语合成",从手势图像的预处理、手势的特征提取和手势的分类器设计等三方面研究了基于视觉的手势识别的识别算法.在图像预处理阶段,我们先对手势图像进行灰度化处理,再用高斯模板对手势图像进行平滑去噪,平滑后的图像我们用KSW熵方法对手势图像进行二值化,对二值化后的图像作去除麻点和区域生长的操作,以得到最佳的二值化效果.在特征提取环节,我们提出了根据手势的伸展方向对手势进行粗分类,然后提取手势图像的高阶NMI值作为手势的特征向量对手势进行识别的方法,这种方法中提取的特征有良好的旋转、大小和平移的不变性.在分类器的设计上,我们用留一法将9套手势图像划分为8套设计集和1套考试集,然后先根据手势伸展方向分类,再计算考试集中手势与设计集中手势的欧氏距离,最后用带拒绝决策的K近邻法来识别判断.实验的结果证明了我们的方法是完全行之有效的,系统对考试集识别错分率仅为6.67﹪,拒识率为10﹪.
手势识别;图像预处理;手势伸展方向;图像高阶NMI值;K-近邻法
上海海事大学
硕士
计算机应用
葛元
2004
中文
TP391.41
82
2005-05-24(万方平台首次上网日期,不代表论文的发表时间)