隨著人工智能等技術的快速發(fā)展,手勢識別作為一種主要的人機交互方式逐漸成為熱點問題。手語作為一種特殊的手勢,也是語言障礙者的主要交流方式。手語攜帶有豐富的信息,具有良好的表達能力。一般無語言障礙者不具備手語技能,基于計算機視覺的手語識別的研究,既能方便語言障礙者和無語言障礙者之間的交流,又對人機交互的發(fā)展有著重要意義。本文通過Kinect傳感器提取手語過程中的運動軌跡和關鍵手型作為實時手語識別的依據,對靜態(tài)手型的特征提取、動態(tài)手語的跟蹤和實時識別策略進行了研究和改進:（1）使用深度閾值和膚色閾值相結合的手部分割方法來獲取手型:首先對獲取的深度數據進行閾值分割,得到手部和小臂所在區(qū)域,將其映射到彩色圖像空間,再進行膚色閾值分割;通過追蹤骨骼點坐標來獲取運動軌跡,并對其進行預處理。（2）提出了一種融合Hu矩和SURF（Speeded Up Robust Features）的特征提取方法:Hu+SURF-BoW。通過SVM分類器采取不同特征進對靜態(tài)手語進行分類實驗,實驗表明Hu+SURF-BoW特征具有較好的識別性能,相對于Hu矩和SURF具有更好的穩(wěn)定性。提出了一種在使用SURF對手語圖像配準...

【文章頁數】：92 頁

【學位級別】：碩士

【部分圖文】：

圖1-1中國手語手指字母中國手語包括30個手指字母，5000余個手勢詞

4圖1-1中國手語手指字母中國手語包括30個手指字母，5000余個手勢詞。手指語和手勢語各有其

圖2-1Kinect2.0簡易結構圖

7圖2-1Kinect2.0簡易結構圖

圖2-2Kinect采集的深度圖像

圖2-2Kinect采集的深度圖像取骨骼信息也是其被廣泛應用的重要原因，得到的，所以不受周圍光照影響。Kinect跟

圖2-3Kinect2.0骨骼圖像

通過Kinect采集的骨骼圖像b）Kinect2.0骨骼點圖2-3Kinect2.0骨骼圖像inect應用范圍ect最初是為了配合XBOX游戲主機獲得完美的體感游戲體驗而

本文編號：4053994