文档介绍：万方数据
基于轮廓淖帜甘质剖侗鹚惴ㄑ芯渴王景中,李萌狈焦ひ荡笱畔⒐こ萄г海本摘要:提出了一种改进的手势检测识别算法。首先对采集的手势图像综合运用算子的背景差分与肤色分割等算法进行预处理,然后根据手势的方向去除胳膊等非目标,截取手型区域。最后对手型图像进行轮廓检测,根据手型轮廓的二值图像进行滴⒂胪队敖滴蟮难炯扑憧占渚离,从而进行手势分类。通过此方法可以快速、准确地检测到手型区域,识别手型含义,且具有实时性。欢迎网上投稿瓹甤《电子技术应用》年第卷第关键词:手势识别;算子差影法;肤色分割;主成分分析;特征提取丶际中图分类号:文献标识码:文章编号:—琇手势识别是一个包含多学科多领域的课题,随着人机交互技术的发展,未来的手势识别技术会趋于基于视觉。对于基于视觉的手势检测存在着光线、复杂背景、人脸胳膊等干扰因素,通常会有附加的限制条件,比如要求背景颜色、穿着长袖衣服等。这些问题短期内不能得到完善的解决办法,因此良好地检测到手型区域是手势识别系统的一个主要研究内容【俊手势检测常用的方法是肤色分割、背景差分、灰度直方图检测。单一的方法对手势检测无法得到良好的效果,因此要结合多种方法。边缘与轮廓检测是手势识别中常见的特征提取方法渲蠧算子很适用于手势的边缘检测。对于实际的图形,内部边缘检测效果不尽相同,因此在不需要图形内部信息时,轮廓可以更直观地反应图像特征。手势识别的核心技术是目标分类。一种常用的分类方法是利用神经网络怯τ梅掷喙嬖虻某S梅椒ā另一种是支持向量机的方法,它在数学建模和分类方面非常受欢迎。还有一些方法是通过去除那些对分类决定不起作用的数据来提高分类能力,例如主成分分析法本文研究视觉手势的实时检测分割算法。根据我国“汉语拼音手指字母图”中个不同指式,综合运用算子等多种方法进行手势检测,然后基于手势轮廓和惴ǘ宰帜甘质平惺侗稹际粗鞒煞址治黾术,旨在利用降维的思想,将高维数据投影到较低维空间,间接地对数据进行了压缩处理,同时很大程度上保留了原数据的信息。因此在机器学****和模式识别及计算机视觉领域,。扛鲅臼菔莕维,构建一个大小为羘的样本矩阵,,琋:瓼,.瓼,瑃.,—篻籦籧籔;猼鹣頵和襯豢啤й憬鹣領。
万方数据
.,望别毯《电子技术应用》年第卷第—乞ぁR还。二己工,质剖侗鹣低成杓跃卣驧按行求均值。原始鲅臼菥向量为一扑阊臼莸男讲罹卣,公式如下:孕讲罹卣笞鯯嬉熘捣纸,即可得到特征值和特征向量。〕銮発个特征向量用于对样本的表示,达到降低数据维度和压缩的目的。,保留其中重要的正交基,可变成低维线性空间。假设图像在这些低维线性空间的投影具有可分性,就可将这些投影用作识别的特征矢量。在图像识别中,可以用浠欢酝枷竦脑伎占进行转换,即构造图像数据集的协方差矩阵,,继而构成投影矩阵。选出前鎏卣飨蛄主成分扑阃队暗南凳对每一类求出平均系数。分类时,将需要分类的图像数据进行投影,得到系数,再与先前计算出的每一类的平均系数进行比较,可判为最接近的一类。算子算子是由瞿0遄槌傻姆较蛩阕樱枷裰械每个像素在模板代表的龇较蛏辖心0寰砘扑恪它具有良好的边缘定位能力与抑制噪声能力,虽然提取出的边缘和细节较多,导致虚假边缘多且边缘较粗,但是能够提取出对比