卢梦圆 官 巍 马 力

（西安邮电大学计算机学院 西安 710061）

1 引言

随着计算机视觉技术的飞速发展，人机交互的日益普及已经在手势识别领域引起了巨大改革。人机交互技术分为两类：基于传感器和基于视觉的方法。基于传感器的方法依靠机电设备收集手势数据，这种方法使用附在手上的传感器设备提供手掌位置、动作、手掌的准确坐标和手指的位置和方向，如数据手套，但缺点是设备昂贵，并且限制了手势的自然表达。因此为了克服这些困难，基于视觉的手势识别技术应运而生。

基于视觉的手势识别主要包括三个基本步骤：手势分割、手势的特征提取、手势识别。其中，特征的提取和分类器的选取对手势识别的准确率和效率起着至关重要的作用。手势的特征可以总结为颜色、形状、纹理等。基于颜色的特征有：颜色直方图［8～10］，基于形状的特征有梯度方向直方图（Histo⁃gram of Oriented Gradients，HOG）［1，11］和Haar-like特征［12］。基于纹理的特征有：局部二值图（Local Binary Pattern，LBP）［13］和Gabor［8］。这些特征已经被应用到基于视觉的手势识别中。HOG 特征具有几何和光照不变性优点，在特征提取中被广泛应用。Misra［3］和Zhao［4］等使用HOG 特征构建SVM 模型用于手势识别，在一定程度上，该算法可以解决光照变化和手势旋转对识别结果的影响。然而它仅适用于单个手势在简单背景下的识别。文献［5］提取了HOG特征，结合SVM分类器，实验结果表明识别率高达92.5%，在光照上具有很好的鲁棒性，但是不适用于复杂环境。孙等采用基于Hu不变矩的轮廓匹配算法［6，16］，得到较好的手势识别结果。……