基于單目視覺移動(dòng)拍攝的手勢(shì)識(shí)別技術(shù)研究.pdf

1、在信息化戰(zhàn)爭(zhēng)背景下，以模式識(shí)別、人工智能為代表的計(jì)算機(jī)技術(shù)正應(yīng)用于軍事的各個(gè)領(lǐng)域。本文針對(duì)移動(dòng)拍攝情形下的站姿指揮人員手勢(shì)識(shí)別技術(shù)進(jìn)行研究。為了克服移動(dòng)拍攝情形下背景難以分割，手部識(shí)別精度低和手部軌跡難以確定等問題，本文采用如下方案：首先進(jìn)行指揮人員檢測(cè)，確定其位置及尺度大??；接著確定臉部和手部的檢測(cè)區(qū)域進(jìn)行手部和臉部的檢測(cè)，并對(duì)雙手手部進(jìn)行跟蹤；最后利用相對(duì)位移方向特征對(duì)指揮人員的雙手手勢(shì)進(jìn)行識(shí)別。
　　本文首先對(duì)站姿指揮人員檢

2、測(cè)算法進(jìn)行研究，通過實(shí)驗(yàn)比較了幾種特征和分類器的指揮人員檢測(cè)性能，確定以Haar特征并以指揮人員腿部作為檢測(cè)目標(biāo)進(jìn)行指揮人員檢測(cè)。針對(duì)單一Haar特征級(jí)聯(lián)分類器檢測(cè)虛警率較高問題，提出一種基于Haar特征與輪廓特征相結(jié)合的站姿指揮人員腿部檢測(cè)方法。該方法采用Haar特征經(jīng)過Adaboost分類器訓(xùn)練得到級(jí)聯(lián)分類器的前幾級(jí)，接著利用Hausdorff距離進(jìn)行輪廓匹配生成弱分類器，最后利用Adaboost提升算法得到強(qiáng)分類器作為級(jí)聯(lián)分類器的

3、最后一級(jí)完成級(jí)聯(lián)分類器訓(xùn)練。
　　在獲得指揮人員位置后，我們根據(jù)幾何關(guān)系縮小人臉和手部的檢測(cè)區(qū)域，以提高檢測(cè)精度和效率。本文對(duì)基于Haar特征與LBP特征的人臉檢測(cè)方法進(jìn)行實(shí)驗(yàn)，決定采用檢測(cè)效率更高的LBP特征進(jìn)行人臉檢測(cè)定位。
　　本文采用HSV顏色空間進(jìn)行手部分割，由于基于單一顏色特征的手勢(shì)分割易受干擾，檢測(cè)精度低，我們首先通過幾何關(guān)系排除掉其他類膚色區(qū)域，接著本文采用濾波對(duì)雙手進(jìn)行跟蹤以確定左右手各自軌跡。