计算机视觉下的手势识别与跟踪算法探究
5星 · 超过95%的资源 需积分: 10 77 浏览量
更新于2024-07-31
收藏 5.17MB PDF 举报
“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。
2021-08-19 上传
2021-08-18 上传
2021-09-25 上传
2021-09-28 上传
2021-09-28 上传
2022-06-21 上传
2021-09-28 上传
2021-09-28 上传
2021-09-28 上传
crossky_jing
- 粉丝: 16
- 资源: 3
最新资源
- BottleJS快速入门:演示JavaScript依赖注入优势
- vConsole插件使用教程:输出与复制日志文件
- Node.js v12.7.0版本发布 - 适合高性能Web服务器与网络应用
- Android中实现图片的双指和双击缩放功能
- Anum Pinki英语至乌尔都语开源词典:23000词汇会话
- 三菱电机SLIMDIP智能功率模块在变频洗衣机的应用分析
- 用JavaScript实现的剪刀石头布游戏指南
- Node.js v12.22.1版发布 - 跨平台JavaScript环境新选择
- Infix修复发布:探索新的中缀处理方式
- 罕见疾病酶替代疗法药物非临床研究指导原则报告
- Node.js v10.20.0 版本发布,性能卓越的服务器端JavaScript
- hap-java-client:Java实现的HAP客户端库解析
- Shreyas Satish的GitHub博客自动化静态站点技术解析
- vtomole个人博客网站建设与维护经验分享
- MEAN.JS全栈解决方案:打造MongoDB、Express、AngularJS和Node.js应用
- 东南大学网络空间安全学院复试代码解析