徐 访，黄 俊，陈 权

（重庆邮电大学通信与信息工程学院，重庆 400065）

0 概述

人机交互系统是人与机器之间交流与信息传递的桥梁［1］。传统的人机交互需借助鼠标、触摸屏、相机等可输入设备进行，传递的信息形式也由早期的编码字符等发展成图像、视频的形式。随着科技的发展以及人们对智能设备日益增多的应用需求，目前，通过机器识别出肢体动作已成为热门研究方向之一［2］。

手势识别方法主要分为基于数据手套及基于视频数据2 种方法。GRIMES 等［3］于1983 年发明了数据手套，里面的传感设备将手部运动姿态等物理信息转化为供计算机使用的数字信息并进行手势识别。然而数据手套价格昂贵且过度依赖辅助设备，用户体验度不佳，难以推广。在基于视觉数据的方法中，用户无需佩戴数据手套等设备，仅配备摄像头就可以实现手势的识别，且识别的精度及速度均在可接受范围内。

传统的基于视觉的动态手势识别常见模型有隐马尔科夫模型（HMM）［4］和动态时间规整（DTW）模型［5］。文献［6］提出一种融合手势全局运动和手指局部运动的手势识别模型，根据关节坐标和距离函数提取关键帧，利用支持向量机实现动态手势识别及分类，该模型使用的手势数据集存在局限性且没有考虑手势旋转的情况；WANG 等［7］提出建立手势三维轨迹特征向量和手形特征，再将识别结果进行融合的识别模型。虽然该模型能够提升准确率，但轨迹特征获取步骤多，处理复杂。整体来说，传统模型往往需要人工提取特征，少量特征的表征能力相对不足，而对复杂特征进行人工提取操作又十分困难，因此造成基于传统手势识别模型和评价指标效果不佳的局面。……