李 浩，杨森林，张晓丽

(1.西安文理学院 西安市物联网应用工程实验室，陕西 西安 710065；2.西安文理学院 陕西省表面工程与再制造重点实验室，陕西 西安 710065)

0 引 言

准确的火车驾驶员手势识别是智能交通管理系统的重要组成部分，基于计算机视觉的手势识别属于非接触式的手势采集方式，该类方法设备成本低，且能更好的满足人机交互所需的自然度和舒适度，是目前研究的一个热点[1]。

动态手势相比于静态手势更具直观性，适应于灵活的人机交互应用。由于其种类多、特征复杂、变化快，因而导致动态手势识别较为困难[2]。文献[3]提出了一种利用手部骨架变换的识别方法，对二值化的图像进行距离变换，以生成具有骨架抽取效果的手部区域图，连接中心点获得手部骨架，从而对手势进行识别分类，识别正确率几乎100 %，但方法仅适应于单一背景下的手势检测，缺少对于复杂背景条件下的识别检测，也无法满足动态手势中手掌手指的精确识别。文献[4]利用Kinect传感器开发了一种非侵入式实时手势识别系统，通过OpenNI和NITE将Kinect获取的图像转换为具有15个节点的刚性骨架，并采用隐马尔可夫模型(hidden Markov model,HMM)对手势进行识别，对训练集内的对象识别准确率达到85 %，而非训练集内的对象识别准确率达到73 %。然而，该方法仅能够实现对左手手势和人体躯干的识别，缺少对手掌骨骼的识别[4]。文献[5]利用Kinect对手部算术(阿拉伯数字及运算符号)及石头剪刀布进行识别，通过深度阈值分割获得手部区域精确图像，并使用指地移动距离(finger Earth moving distance,FEMD)度量测量不同手型之间的差异性来进行识别分类，最高识别率达到了93.9 %。……