《手势识别系统设计与开发》由会员分享，可在线阅读，更多相关《手势识别系统设计与开发（47页珍藏版）》请在金锄头文库上搜索。
1、摘要随着计算机技术与信息处理技术迅速发展，智能化电子设备逐渐进入到日常的生产和生活中，与此同时，人们对电子设备操作过程的便捷化也提出了新的要求，这也促使计算机进行图像处理的技术也得到了发展。近些年兴起的模式识别技术为操作便捷化提供了新的研究方向和发展平台，其中通过对手势的识别来向电子产品进行命令操作逐渐成为一项新的关键技术。目前，手势识别技术已经逐步应用在AR和汽车辅助驾驶等方面，同时，在人机交互过程中应用手势识别技术还可以提高体验感。所以，研究开发手势识别系统具有一定的学术意义和经济价值。这项技术涉及了包含静态图片识别与分析、视频图像处理及计算机视觉等多方面内容。本文介绍了开发手势识别系统的
2、背景及意义，分析了过程中涉及到的必要步骤及算法。本系统基于C+环境使用OpenCV开源计算机视觉库进行手势识别。本系统通过计算机本地单目摄像头录入手势，分别对动态和静态手势进行识别，并实时显示不同手势所表示的结果。总体上可分为图像采集、图像预处理，特征提取及识别四个模块，具体包括非线性中值滤波、形态学膨胀滤波、HOG特征和SVM分类等步骤。目前系统开发完成，实验结果基本可以实现手势的识别，并显示出结果。关键词：图像处理；手势识别；OpenCV；计算机视觉ABSTRACTWith the rapid development of computer technology and informati
3、on processing technology, intelligent electronic equipment has gradually entered into daily production and life. At the same time, people have put forward new requirements for the convenience of electronic equipment operation process, which also promotes the development of computer image processing
4、technology.The emerging pattern recognition technology in recent years provides a new research direction and development platform for the convenience of operation, among which the command operation of electronic products through gesture recognition has gradually become a new key technology.At presen
5、t, gesture recognition technology has been gradually applied in AR, automobile assisted driving and other aspects. Meanwhile, the application of gesture recognition technology in human-computer interaction can also improve the sense of experience.Therefore, the research and development of gesture re
6、cognition system has certain academic significance and economic value.The technology involves static image recognition and analysis, video image processing and computer vision.This paper introduces the background and significance of developing gesture recognition system, and analyzes the necessary s
7、teps and algorithms involved in the process.This system uses OpenCV open source computer vision library for gesture recognition based on C+ environment.In this system, gestures are recorded by computer local monocular camera, and the dynamic and static gestures are recognized respectively, and the r
8、esults of different gestures are displayed in real time.In general, it can be divided into four modules: image acquisition, image preprocessing, feature extraction and recognition, including nonlinear median filtering, morphological expansion filtering, HOG feature and SVM classification.At present,
9、 the system has been developed, and the experimental results can basically realize gesture recognition and display the results.Key words: Image processing;Gesture recognition;OpenCV;Computer vision3北京建筑大学本科毕业论文目录1 绪论11.1 课题背景及意义11.2 手势识别的发展现状11.3 本文主要内容21.4 本文结构安排22 系统开发平台32.1 OpenCV32.1.1 OpenCV简介3
10、2.1.2 OpenCV配置42.2 MFC82.2.1 MFC简介82.2.2 创建一个MFC83 系统相关技术及算法介绍83.1 系统相关技术83.1.1 图像采集技术83.1.2 图像预处理技术93.1.3 肤色检测与分割技术93.1.4 特征提取93.2 系统相关算法103.2.1 HOG特征103.2.2 SVM143.2.3 核函数153.2.4 肤色模型153.2.5 RGB色彩空间模型163.2.6 YCbCr色彩空间模型173.2.7 中值滤波193.2.8 膨胀滤波194 系统设计与实现214.1 系统整体设计224.1.1 手势训练模块234.1.2 手势测试模块275
11、系统测试与分析285.1 系统测试环境285.2 系统界面测试285.2.1 手势注册功能测试285.2.2 手势识别（动态手势）测试315.2.3 图片识别（静态手势）测试345.3 测试问题365.3.1 手势识别（动态手势）问题365.3.2 图片识别（静态手势）问题385.4 测试结论396 总结和展望396.1 本系统优点总结396.2 本论文不足总结406.3 未来工作展望40参考文献42致谢431 绪论1.1 课题背景及意义随着计算机技术的进步和技术革新以及智能化时代的要求，人们不断探寻开发新的、更加便捷的人机交互方式。其中，基于计算机视觉的手势识别技术已成为研究热点之一。手势的
12、检测和识别技术作为一种有着自然性、简洁性和直接性的一种新型的交互方式，是这些交互技术当中倍受重视的研究和应用的技术。近几年来，已经有相当一部分的应用采用了这种手势识别的方式作为跟机器交互的手段。本文讨论一种采用基于单目摄像机的特定颜色模型的背景分离方法和基于关键信息的手势提取方法，用Visual Studio C+和OpenCV进行开发，实现在单摄像机下的手势识别交互系统。1.2 手势识别的发展现状手势识别在计算机科学中是指通过数学算法来识别人类手势。为了获得更好的人机交互体验，计算机需要正确地理解人类手势的含义，并根据预定义的手势指令进行相关操作。手势识别技术通常包括图像采集技术、图像预处理
13、技术、特征提取技术和识别分类技术几个方面。目前手势识别主要有两个研究方向，一是基于计算机视觉，二是基于可穿戴设备。本文是基于计算机视觉开发的的手势识别系统。无论是静态或动态手势，其识别顺序首先需进行图像的获取、手势检测和手势分割，然后进行手势识别。其关键件技术主要为图像处理、手势分析与分割、手势识别三个过程。图像处理是系统把通过计算机单目摄像头采集的视频流进行帧分离处理，从视频流中分离出单一手势图像，并对图像进行滤波、平滑等预处理操作，作为下一阶段的输入量。然后通过检测算法检测输入量中是否含有人类手势，如果检测出手势图像，则进行肤色分割处理，将手势与背景进行分离，得到手势的平面模型，建立手势形
14、状数据库。手势识别阶段采用模板匹配法，将动态手势看成由静态手势图像所组成的序列，然后将待识别的手势模板序列与已知的手势模板序列进行比较，识别出手势。本文是将部分手势转化成所对应的信息。未来可以进一步将手势直接转化成语音，通过对话的方式将信息传递出去。方便聋哑人士与普通人的沟通。另外，汽车行业一如既往的对手势识别保持热情，汽车中的各种仪表可以直接通过手势识别直接控制。而在穿戴设备领域，使用手势识别技术以追踪用户包括睡姿、心率、体脂肪率、总肌肉量、体脂肪量和基础代谢率在内的一系列数据，进而促进穿戴设备的发展。1.3 本文主要内容本文所涉及到的一系列软件开发有效凭借以及完成相应试验平台的建立,使用O
15、penCV中的一些功能函数及控件对图像和视频流进行手势检测的研究。其中以HOG特征、局部二值模式(LBP)为提取的目标，通过手势检测椭圆模型算法，对图片及视频序列中的手势进行，提取手势轮廓。之后，通过对RGB、YCrCb等颜色空间模型的处理，而后通过非线性中值滤波，形态学膨胀等方式进行降噪滤波以达到皮肤分割的效果。最终通过MFC构建了一个支持多手势的视频和图像处理系统，该系统可以对视频和图像中的多个手势进行实时识别。本文的目的是在大量学习和理解传统的算法之后，将其实现并优化。在阅读了大量的相关文献和搜索了大量的资料后，设计并完成了一套相对方便简洁的手势识别系统。该系统实现了10个手势的动态和静态识别，能够快速识别并显示手势所代表的信息。另外可随时采集并训练新的手势模型。1.4 本文主要研究内容本文整体结构具体可以归结为六个部分，其各个章节的布局如下所示：第一章绪论，针对于手势识别相关研究背景及意义进行了相对较为切实有效的分析，介绍了手势识别研究现状和发展趋势，简要阐述了本文的主要内容以及相应章节的布局。第二章系统开发平台，具体涵盖了开发环境和实验平台的搭建，在手势检测、手势识别算法研究的基础上，借助OpenCV计算机视觉库中的一些函数实现算法和MFC微软基础类库以及Visual Studio 2013开发环境来构建交互界面。第三章系统相关技术及算法介绍，首
