佟喜峰 樊 鑫

（东北石油大学计算机与信息技术学院 黑龙江大庆 163318）

近些年来，随着信息技术的不断发展，手势识别技术作为新型的人机交互方式得到了广泛的研究与关注，但是目前手势识别并没有得到广泛的应用，主要原因是大多都需要昂贵的专用摄像头和传感器设备，比较常见的是Kinect传感器和深度摄像头。王攀等通过Kinect传感器对手势的深度图像进行获取，进而追踪手势的骨骼关键点，再利用动态时间规整算法（DTW）进行识别，取得了不错的识别效果[1]。有多位研究人员研究基于成本较低的基于普通PC摄像头的手势识别，取得了较多成果。张勋等人提出一种静态手势检测网络模型ASSD，该模型基于深度学习的SSD方法，将原方法的特征提取网络VGG16用改进的卷积神经网络Alex Net取代，取得了较好的识别效果[2]。沈雅婷通过深度学习提取多层网络简化的高价值易用特征，通过向量的表示简化了算法[3]。利用深度学习的方法进行手势识别的确可取得较好的识别效果，但也存在一些问题，例如训练时间比较长，需要比较多的学习样本，在识别速度上会略慢，而且还需要性能比较好的PC设备。针对上面存在的问题本文采用普通PC摄像头进行视频的获取，采用肤色分割法结合背景差分法的方法对手势进行分割，采用动态时间规整算法（DTW）进行实时识别。本文采用的方法没有用到深度学习，只需要普通的PC机就可以流畅地运行。实验结果表明本文的算法在实时性和准确度方面都取得了比较好的效果。……