郭雷

摘要：首先分析了手势分割存在的技术难点及人进行手势分割过程中可能使用的特征，然后分析比较了现有手势分割算法的基本思想和特点，最后介绍了深度学习技术并总结了手势分割未来的研究方向。

关键词：RGBD；手分割；手势

中图分类号：TP317.4 文献标识码：A DOI：10.3969/j.issn.1003-6970.2015.04.019

0.引言

手势是一种不需要中间媒介的，非常人性化的人机交互方式。手势识别已经成为人机交互的重要内容和研究热点。基于视觉的手势识别系统通常包含手势分割、手势建模、手势形状特征提取、手势识别几个过程。其中，手势分割就是将感兴趣的有意义区域，即手势从传感器获取数据中划分出来。这是基于视觉的手势识别过程中的第一个步骤，也是关键的一步。分割的准确度和实时性能直接影响到后期的识别效果以及整个交互系统的性能。

传统的基于视觉的手势识别系统利用摄像头作为传感器。单目或双目视觉系统手势图像数据，通过图像处理进行手部分割，算法复杂且需要巨大的计算量。Kinect是微软推出的一款传感输入设备，不仅可以获取场景的彩色纹理信息，也可以获取场景的深度信息。利用这些信息可以更加快速有效的进行手势分割。

本文首先分析了手势分割存在的技术难点及进行手势分割过程中可能使用的特征，然后分析比较了现有手势分割算法的基本思想和特点，最后介绍了深度学习技术并总结了手势分割未来的研究方向。

1.手势……