董立峰，阮 军，马秋实，汪 雷

(武汉理工大学 信息工程学院，湖北 武汉430070)

手势识别[1]、人脸识别、指纹识别和唇读识别等都是符合人际交流习惯的备受关注的人机交互技术，在计算机辅助哑语教学、电影特技处理、医疗研究和智能机器人等各个领域均有广泛的应用。其中，基于计算机视觉的手势识别因其设备成本低廉、操作自然方便等特点越来越受到人们的追捧，是手势识别未来的发展趋势。然而，人手的自由度和弹性、背景、光照以及噪声等因素给手势识别带来了很大困难，如何克服这些困难以获得更加自然、和谐、完善的手势识别系统是当今人们研究的目标。

手势特征选取和分类器设计一直是影响手势识别效果及速度的两个关键问题。良好的特征应具有可靠性、可区别性、数量少以及独立性强等特点，比较常用的特征提取方法有Hu矩[2]、Zernike矩、傅里叶轮廓矩和小波矩等。其中,Zernike矩的优势是能够构造任意的高阶矩，对噪声不敏感，主要用于图像恢复；傅里叶描述子具有较好的轮廓描述能力，但对细节特征非常敏感，误识率比较高；小波矩虽然能达到很高的识别率但需首先对图像进行归一化处理，计算比较复杂。本文的仿真实验在背景单一、光照情况良好的条件下进行，选择了能同时满足平移、旋转和比例不变性的Hu不变矩、手势轮廓的凹陷个数以及其周长与面积比为作为主要的特征参数。

目前，基于视觉的手势识别算法研究主要有通过计算模板的相关系数来进行模板匹配的手势识别、用神经网络方法进行手势识别以及基于Euclidean距离的手势识别等。……