计算机视觉手势识别：跟踪与识别算法的探索与实现

“基于计算机视觉的手势跟踪与识别算法研究，硕士论文，作者孙玉，指导教师刘云，专业控制理论与控制工程，2009年6月。” 这篇硕士论文详细探讨了基于计算机视觉的手势跟踪与识别算法，旨在发展新一代的人机交互技术。其主要内容包括以下几个关键知识点： 1. **手势图像预处理**：论文首先介绍了从视频流中采集手势图像的过程，这是手势识别的基础。预处理步骤可能包括去噪、增强对比度、分割手势区域等，以提高后续处理的有效性和准确性。 2. **特征提取**：论文中采用了Hu矩作为手势的特征表示。Hu矩是一种不变矩，能够保持不变性，即使图像经过旋转、平移或缩放，也能有效地提取手势的关键信息，解决特征提取过程中的不确定性问题。 3. **支持向量机（SVM）多分类**：SVM是用于手势识别的重要机器学习模型。论文比较了“一对多”、“一对一”和决策有向无环图（DAG）等多种多分类策略在手势识别中的表现，并通过参数优化提升了SVM的识别性能。实验结果显示，“一对多”的径向基核函数SVM在手势识别中表现出色。 4. **基于后验概率的SVM多分类算法**：为了解决手势可能属于多个类别的问题，论文提出了将基于后验概率的SVM多分类算法应用于手势识别。这种方法通过概率输出来减少误判，从而提高了识别的准确率，实验证明其识别率达到了98.9%。 5. **算法实现与应用**：论文实现了对10个自定义数字手势的识别，并基于VC++6.0开发了一个Word数字录入程序，将手势识别技术实际应用于人机交互场景，实现了通过摄像头输入手势操作Word文件的功能。 论文的创新点在于两方面：一是结合Hu矩特征和“一对多”径向基核函数SVM的算法，取得了理想的识别效果；二是提出基于后验概率的多类分类算法，进一步提升了识别率，为手势识别技术的发展提供了新的思路。 关键词：计算机视觉、手势交互、支持向量机、多类分类算法、基于计算机视觉的手势跟踪与识别算法研究。