刘馨阳 李成博

摘  要：针对传统手势识别准确率不高、运算复杂度高的问题，采用YCbCr肤色分割算法与运动检测方法结合，保留手势图像;分类、分层手势图像识别，即通过手指数目m可做判据的，及剩余手势构建手势模型参数Ki;通过模板匹配判别，并比较文章方法与传统Hu不变矩方法的识别效果，该方法可针对预定义的11种手势进行快速、准确的判别，具有较高的准确性和鲁棒性。

关键词：手势识别;图像处理;OpenCV;Hu不变矩;几何特征;肤色分割

中图分类号：TP391.4                    文献标识码：A文章编号：2096-4706（2021）15-0116-03

Abstract： Aiming at the problems of low accuracy and high computational complexity of traditional gesture recognition， combines the YCbCr skin color segmentation algorithm and the motion detection method to retain the gesture image; classification and hierarchical recognition of gesture images， that is， the criterion can be made by the number of fingers m， and the remaining gestures construct the gesture model parameter Ki. The result of template matching is judged， and the recognition effect of the method in this paper and the traditional Hu invariant moment method are compared. This method can quickly and accurately distinguish 11 predefined gestures with high accuracy and robustness.

Keywords： gesture recognition; image processing; OpenCV; Hu invariant moment; geometric features; skin color segmentation

0  引  言

近年来，伴随计算机视觉以及机器学习领域的发展，人机交互已经成为人们生活中必不可少的部分，其目的就是实现人与机器自然的交流，相关的研究包括：指纹、人脸、步态、手势等交互技术研究。其中，手势具有自然性、便捷性的特点，所以，手势识别的研究引起了研究者们极大的关注。

手势识别已从借助外界设备的数据手套时代发展到基于机器视觉识别的时代，本文是结合计算机视觉的手势识别探究，其基本过程为：（1）手势分割：将图像中的手部图像分离出来;（2）手势分析：提取手势特征，进而定量表示该手势的特性;（3）手势识别：利用手势参数模型识别判定[1]。

其中步驟2中的特征提取对结果的准确性起着至关重要的作用，为提高手势的识别准确率，许多学者从多角度考虑手势的几何特征，文献[3，4]采用图像的几何矩和多项式矩描述手势特征，利用Hu不变矩的旋转不变性，但是存在数据量大，计算复杂的缺点。……