原文传递
基于计算机视觉的手势交互技术及其在航海中的应用
| 论文题名： | 基于计算机视觉的手势交互技术及其在航海中的应用 |
| 关键词： | 计算机视觉;手势交互;手势识别;自适应肤色检测;航海教学;航海仿真 |
| 摘要： | 随着计算机软硬件条件的飞速发展，人机交互方式面临着新的挑战和更高的要求。在新兴的自然交互手段之中，基于计算机视觉的手势交互具有引人瞩目的优势，同时也是一个极富挑战性的研究热点。本文对适用于低端计算平台和普通网络摄像头的实时手势交互系统中的关键技术进行了研究，并对手势交互在航海教学与仿真中的应用进行了探索。 本文首先提出了一种在线学习型的亮度自适应肤色检测方法。通过人眼检测和椭圆区域界定，得出用于建模的人脸区域;然后通过Sobel边缘检测和形态学膨胀，去除人脸区域中的非肤色像素并据此建立基于颜色分量的高斯模型;最后对样本的亮度分量与颜色分量的函数进行拟合，并基于此最优拟合函数对亮度阈值和高斯模型进行调整。 针对手势识别系统中人脸与人手经常同时在图像帧中出现的问题，本文在传统的基于Haar-like模板的AdaBoost分类器的基础上，提出了一种融合肤色区域检测结果的启发式人脸剔除方法。该方法通过利用肤色区域积分图和人脸数量的先验规律，在不影响检测准确率的情况下，使人脸检测的平均时长从35ms左右降到了5ms左右，充分降低了人脸剔除模块对手势交互系统整体实时性的影响。 在手姿识别方面，本文首先提出了一种基于优化的轮廓特征和高斯判别分析的手姿识别方法。该方法与以基于Hu不变矩的方法为代表的现有的基于轮廓匹配的手姿识别方法相比，在识别正确率方面有大幅度的提升，同时具有识别速度较快和适合大容量训练样本集等优势。 为增强复杂背景下手姿识别的鲁棒性，本文在轮廓匹配的基础上，提出了适用于大容量训练样本集的朴素贝叶斯手姿分类器和适用于具体操作者的SVM手姿分类器。针对SVM的多类分类问题，提出了一种基于类间相异度的二叉决策树生成方法。为了优化SVM分类器的识别速度，提出了一种融合轮廓匹配结果以加速SVM分类过程的方法。为了降低复杂背景中类肤色区域的影响，提出了一种对朴素贝叶斯分类器的识别结果进行横向概率比较的方法。上述方法与现有的基于SIFT特征的方法相比在手姿识别的正确率方面具有一定的优势，同时在算法执行速度方面也能很好地满足实时应用的要求。 最后，本文对基于有限状态机的手势定义与识别方法进行了研究，并以航海教学与仿真作为应用背景，在仿真型索星卡软件及航海模拟器终端中验证了本文提出的手势识别系统在具体应用之中的实用性和有效性。 |
| 作者： | 王任大 |
| 专业： | 交通信息工程及控制 |
| 导师： | 尹勇 |
| 授予学位： | 博士 |
| 授予学位单位： | 大连海事大学 |
| 学位年度： | 2014 |
| 正文语种： | 中文 |
检索历史
应用推荐
