复杂环境下的动态手势识别系统设计与实现开题报告

1. 研究目的与意义

作为一种新型的人机交互方式，手势识别已经开始普遍应用于人们的工作生活中。与语音识别、人脸识别等共同增加交互的便利性、通用性。目前,多家公司已经推出了,基于特殊穿戴设备或图像采集设备的识别系统。然而这些设备大多价格昂贵,很难在每一个家庭中普及。所以基于普通单目摄像头的手势识别系统研究,是未来研究发展的趋势。

2. 研究内容和预期目标

1、对手势识别的研究背景与意义进行全面的介绍，并对国内外手势识别的研究与应用现状进行概括描述。

2、阐述基于单目视觉的动态手势识别的实现步骤，对各个步骤的相关方法以及使用到的算法进行详细解释。

3、研究基于机器学习的手势识别相关算法，阐述与单目识别的手势识别实现效果上的异同与比较。

3. 国内外研究现状

由于国外计算机、信息产业一直领先于国内，所以手势识别研究起源于国外。手势识别有基于数据手套的手势识别和基于视觉的手势识别两种，这是根据手势获取的方式不同划分的。数据手套可以获取较多的手势信息，达到较高的识别准确率，但是其缺点也是清晰可见的，穿戴繁琐，价格昂贵，最主要的是影响了用户在使用手势进行交互时的自然性与舒适性。

基于视觉的方法则规避了数据手套固有的缺点，使得人机交互像人与人交互一样自然。随着视频采集设备生产工艺的提高，成本的下降，功耗的降低，实时性的提升，高清晰度的摄像头己经广泛使用于电脑和手持智能终端，为基于视觉手势识别的人机交互的迅速发展提供了契机并为其带来了更广泛的应用。微软Ｋｉｎｅｃｔ深度摄像头的发布使得手势识别的研究尤其是动态手势识别的研宄变得更加简单［２３：。深度摄像头还可以同时获取目标的depth（深度）图像和rgb图像，通过深度图像中灰度值的大小了衡量目标距离摄像头的距离，rgb图像与depth图像合称rgbd图像。国内的祝远新课题组利用颜色、运动和形状等多模式信息融合的方法建立动态手势特征模型，使用动态规整算法进行手势分类王西颖等人提出hmm-fnn的组合算法在复杂背景的手势识别中取得良好成果。王凯等采用adaboost级联分类器识别静态手势，对于动态手势识别，采用光流算法提取手部运动信息，然后通过模板匹配法进行识别。庄会伟利用改进的lbp算法在静态手势识别上取得不错成绩，该算法具有良好的抗遮挡性，同时成功将压缩感知算法用于静态手势识别。

4. 计划与进度安排

本文主要是对基于单目视觉的动态手势识别做了一定研究，同时也对基于机器学习的手势识别方法和理论作了阐述。在一些经典研究理论的基础上，提出了多模态联合训练的3d卷积神经网络和多方向特征融合的3d卷积神经网络用于动态手势识别。

研究内容分为以下两点：

１．对传统的基于视觉的动态手势识别算法实现应用，概述手势分割算法、手工提取手势特征算法等经典的手势识别方向的算法。

5. 参考文献

csdn论坛

中国知网

learning opencv 3——adrian kaehleramp;gary bradski