计算机视觉下的手势识别与跟踪算法探究

“基于计算机视觉的手势跟踪与识别算法研究，主要涉及计算机视觉技术以及OpenCV的应用，探讨了手势识别在人机交互中的重要性。该硕士论文由孙玉撰写，指导教师为刘云，研究内容包括手势图像预处理、特征提取、跟踪与识别，以及在Microsoft Visual C++ 6.0环境下实现的10个常用手势识别系统。” 本文的研究重点在于基于计算机视觉的手势识别，这是人机交互领域的一种新兴技术，具有广阔的理论和应用潜力。在预处理阶段，通过采集摄像头输入的视频流来获取手势图像，并建立手势样本库。预处理对于去除噪声和提高图像质量至关重要。 在特征提取环节，鉴于手势识别的交互特性，作者选择了Hu矩作为手势的特征表示。Hu矩是一种不变矩，不受图像的旋转、平移或缩放影响，有效地解决了特征提取过程中的不确定性问题。这一步为后续的识别提供了稳定的基础。 支持向量机（SVM）是用于手势识别的关键工具。论文对比分析了多种多分类算法，如“一对一”、“一对多”以及决策有向无环图（DAG-SVM），并针对SVM的参数优化进行了实验。结果显示，“一对多”径向基核函数的SVM算法在手势识别中表现出色，能实现高精度的识别。 考虑到手势样本可能同时符合多个类别的情况，论文提出了一种基于后验概率的SVM多分类算法，这有助于减少误判，实验证明其识别率达到98.9%。 在实际应用层面，论文实施了10个自定义数字手势的识别，并在VC++6.0环境下开发了一个Word数字录入程序，将手势识别融入到人机交互中，能够通过摄像头捕捉的手势对Word文档进行操作。 创新点主要有两方面：一是结合Hu矩特征与“一对多”径向基核函数的SVM算法，提升了手势识别的效率；二是引入基于后验概率的多类分类算法，进一步优化了识别准确率。 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。