復(fù)雜背景下的手勢(shì)識(shí)別一直是人機(jī)交互領(lǐng)域的一大難題,現(xiàn)行手勢(shì)識(shí)別方法在光照變化、背景干擾情況下存在計(jì)算量大,耗時(shí)長(zhǎng)的問(wèn)題。針對(duì)該問(wèn)題提出了一種復(fù)雜環(huán)境下通用的手勢(shì)識(shí)別方法,方法能提高手勢(shì)識(shí)別的計(jì)算效率。整個(gè)方法包含三個(gè)部分,手勢(shì)檢測(cè)、手勢(shì)識(shí)別和參數(shù)更新。在手勢(shì)檢測(cè)部分,為提高計(jì)算效率提出一種基于位運(yùn)算的方法代基于替滑動(dòng)窗口手勢(shì)檢測(cè),該方法利用二進(jìn)制方式實(shí)現(xiàn)支持向量機(jī)模型并且利用64位整型的特點(diǎn)使用位操作實(shí)現(xiàn)遍歷從而完成目標(biāo)快速篩選。方法并不精確的提取手勢(shì)區(qū)域,而是在極短的時(shí)間內(nèi)提取數(shù)個(gè)可能的備選窗口。手勢(shì)檢測(cè)部分的輸入是膚色似然圖,圖像采集不依賴(lài)于特定的設(shè)備,一般的視覺(jué)設(shè)備都可以進(jìn)行采集,計(jì)算的過(guò)程需要依賴(lài)64位運(yùn)算平臺(tái)。在手勢(shì)識(shí)別部分,使用基于計(jì)算統(tǒng)一設(shè)備架構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)模型對(duì)手勢(shì)檢測(cè)部分篩選的區(qū)域進(jìn)行二次判斷和識(shí)別。這一部分要求同時(shí)完成二次篩選和手勢(shì)識(shí)別,在網(wǎng)絡(luò)的分類(lèi)的設(shè)置上會(huì)設(shè)置手勢(shì)分類(lèi)和錯(cuò)誤分類(lèi)。手勢(shì)識(shí)別部分所使用輸入是膚色掩膜和原圖像的灰度圖做相交操作之后組成的圖像。對(duì)于輸入樣本需要進(jìn)行擴(kuò)展使得網(wǎng)絡(luò)對(duì)平移和旋轉(zhuǎn)魯棒。在參數(shù)更新部分,為了進(jìn)一步增強(qiáng)方法在對(duì)外界環(huán)境的魯棒性,提出... 

【文章來(lái)源】：廣東工業(yè)大學(xué)廣東省

【文章頁(yè)數(shù)】：73 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 手勢(shì)識(shí)別的主要思路
    1.4 手勢(shì)識(shí)別的難點(diǎn)
    1.5 論文的組織結(jié)構(gòu)
第二章 手勢(shì)區(qū)域提取
    2.1 引言
        2.1.1 橢圓膚色模型
        2.1.2 獲取手勢(shì)輪廓
    2.2 基于位運(yùn)算的手勢(shì)分割方法
        2.2.1 獲取膚色似然特征
        2.2.2 膚色似然特征與手勢(shì)區(qū)域檢測(cè)
        2.2.3 BISL二進(jìn)制膚色似然特征
    2.3 實(shí)驗(yàn)結(jié)果分析
    2.4 本章小結(jié)
第三章 基于卷積神經(jīng)網(wǎng)絡(luò)進(jìn)行手勢(shì)識(shí)別
    3.1 引言
    3.2 全連接神經(jīng)網(wǎng)絡(luò)
        3.2.1 神經(jīng)元與激勵(lì)函數(shù)
        3.2.2 正向計(jì)算
        3.2.3 反向傳播
    3.3 卷積神經(jīng)網(wǎng)絡(luò)
        3.3.1 卷積神經(jīng)網(wǎng)絡(luò)的特點(diǎn)
        3.3.2 卷積神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)
        3.3.3 卷積神經(jīng)網(wǎng)絡(luò)的相關(guān)操作
        3.3.4 卷積神經(jīng)網(wǎng)絡(luò)的計(jì)算過(guò)程
    3.4 使用卷積網(wǎng)絡(luò)進(jìn)行手勢(shì)識(shí)別
        3.4.1 網(wǎng)絡(luò)輸入特征的選擇
        3.4.2 網(wǎng)絡(luò)輸入樣本的選擇
        3.4.3 網(wǎng)絡(luò)的整體結(jié)構(gòu)設(shè)計(jì)
        3.4.4 使用GPU進(jìn)行加速
    3.5 實(shí)驗(yàn)結(jié)果分析
    3.6 本章小結(jié)
第四章 基于形狀信息的膚色參數(shù)更新
    4.1 引言
    4.2 基于先驗(yàn)形狀的圖像分割
        4.2.1 圖像分割的方法介紹
        4.2.2 本文的手勢(shì)分割模型
    4.3 更新橢圓膚色模型參數(shù)
        4.3.1 方法的原理
        4.3.2 損失函數(shù)和計(jì)算過(guò)程
        4.3.3 迭代更新和輔助特征
    4.4 實(shí)驗(yàn)結(jié)果分析
    4.5 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀學(xué)位期間發(fā)表的論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于Kinect的指尖檢測(cè)與手勢(shì)識(shí)別方法[J]. 談家譜,徐文勝.  計(jì)算機(jī)應(yīng)用. 2015(06)
[2]基于分裂式K均值聚類(lèi)的膚色檢測(cè)方法[J]. 趙杰,桑慶兵,劉毅錕.  計(jì)算機(jī)工程與應(yīng)用. 2014(01)
[3]基于雙目視覺(jué)的人手定位與手勢(shì)識(shí)別系統(tǒng)研究[J]. 譚同德,郭志敏.  計(jì)算機(jī)工程與設(shè)計(jì). 2012(01)
[4]基于SURF特征跟蹤的動(dòng)態(tài)手勢(shì)識(shí)別算法[J]. 包加桐,宋愛(ài)國(guó),郭晏,唐鴻儒.  機(jī)器人. 2011(04)
[5]基于Matlab的雙線(xiàn)性插值算法在圖像旋轉(zhuǎn)中的應(yīng)用[J]. 曹佃國(guó),陳浩杰,李鵬.  中國(guó)印刷與包裝研究. 2010(04)
[6]基于數(shù)據(jù)手套輸入的漢語(yǔ)手指字母的識(shí)別[J]. 吳江琴,高文,陳熙霖.  模式識(shí)別與人工智能. 1999(01)



本文編號(hào)：3212443