陈 鑫，刘振国，张 颖

(南京航空航天大学电子信息工程学院,江苏 南京 210016)

随着模式识别技术的发展[1],出现了语音识别[2]、汉字识别、图像识别[3]等技术途径,输入设备不再局限于鼠标和键盘,多媒体智能的交互模式能够给用户提供极高的自由度。在人的身体构成中,手部最为灵活。基于人手的人机交互符合人类的操作习惯,人们可以通过手部动作表达复杂的命令并将其传递给计算机实现人机交互。因此,人手作为一种“新型”的传感器,是未来人机交互技术发展的重要方向之一[4]。

Kinect v2 体感设备含有高清摄像头能够提供1 920 pix×1 080 pix 的彩色图像。此外,该设备中还包含了红外发射器和红外接收器,能够提供512 pix×424 pix 的深度图像。非常适合作为体感设备的视频采集设备,并应用到多种场合中[5-7]。

手部分割是计算机视觉手写输入系统中非常关键的第一个步骤,手部分割的效果将极大地影响该系统的识别效果以及实时性能[8]。当前情况下,手部分割的难点主要来源于2 个方面:

(1)背景环境的复杂性:主要包括在不同光照条件(颜色和亮度)下手部肤色会发生较大变化,类肤色区域容易与手部肤色相互混淆,障碍物对手部的遮挡会使分割目标不明确等；

(2)手部的灵活性:在空间中,手部的运动是复杂多变的,这会导致手部的外形特征出现较大差异。

为了解决上述问题,刘亚瑞[9]利用Kinect 体感器获取手势深度图像,采用变形雅可比—傅里叶矩对手势图像进行特征提取,基于最小欧氏距离分类器进行建模、分类,实现手势识别。……