一种实时手势位置识别方法研究
2018-09-20常镶石胡玉兰
沈阳理工大学学报 2018年4期
常镶石,胡玉兰
(沈阳理工大学 信息科学与工程学院,沈阳 110159)
随着人工智能的火热,许多人机交互应用渐渐进入人们的生活。手势是比较热门的人机交互方式之一,手势识别是先利用计算机对手势图像进行预处理和特征提取,然后利用统计学习方法等算法使对图像特征进行学习,分析出每个手势的具体含义,进而实现人与计算机之间的人机交互操作。现在,手势识别已成为一个倍受人们关注的研究领域,尤其是基于视觉的手势识别,包括在虚拟现实(VR)、增强现实(AR)、视频游戏等方面有着很好的应用前景。
目前,关于手势识别的研究有很多。Grimes[1]被认为是最早研究手势识别的人,在AT&T最先取得了“数据手套”的专利。在实验过程中,实验者可以戴上一个带有传感器的手套,计算机通过手套可以获取手的位置、手指的伸展状况等丰富信息。Graobal等[2]在记录视频中提取实验者手套颜色的特征,采用隐性马尔科夫模型(Hidden Markov Model,HMM)识别261个手势孤立词汇,其正确率达到91.3%。杜堃等[3]研究了在复杂环境下利用卷积神经网络对手势进行识别,引入滑动窗口思想使识别率达到了96.1%,但是增加滑动窗口的同时大大增加了处理时间。范文兵等[4]通过肤色检测手掌,提取手掌质心和轮廓来识别手势,最终也达到了平均96%的识别率。杨红玲等[5]则提出了卷积神经网络和肤色检测相结合的识别方法,在识别率和处理时间取得了不错的效果。王龙等[6]将深度学习引入手势识别,利用卷积神经网络对手势图像进行降维和抽取特征并进行权值训练,网络识别率高达97.2%。……
登录APP查看全文
