摘要：人机交互在我们的生活中无处不在。通常是使用鼠标、键盘等物理控制器来实现的。手势可以让用户更自然的与计算机交互，市面上有很多关于手势跟踪识别的硬件解决方案，但它们是昂贵和复杂的。这篇文章实现了在静态环境下如何利用普通彩色摄像头进行人手手势的跟踪和识别的方法。首先系统进行背景模型的构建和人手轮廓的提取。通过摄像头捕捉当前场景画面，在图像采集区域通过高斯混合模型来实现背景和前景的分割。接着，利用皮肤颜色阈值提取人手区域，并利用对人手目标的提取凸包和缺陷以及估算好的手掌圆心位置，来跟踪手的位置。然后，对建立好的手势图像数据库与采集到的当前用户输入图像进行稠密SIFT特征提取，并利用PCA对其稠密SIFT描述子降维。将手势图像数据库数据的描述子作为训练数据并通过LibSVM建立分类器，对当前用户手势图像进行识别。这种基于静态环境下利用SVM进行手势识别的方法可以为用户提供有效、简单的手势交互。

关键词：背景减法；稠密SIFT描述；PCA降维；LibSVM

目录

摘要

Abstract

1 绪论-1

1.1 研究背景和意义-1

1.2 手势识别的发展和研究现状-1

1.3 本文工作-2

2背景模型的构建和人手的跟踪提取-4

2.1背景模型的构建-5

2.2 背景减法-5

2.3 增强运动变化-6

2.4 皮肤肤值检测-7

2.5对人手运动目标进行跟踪-8

2.5.1 追踪手的轮廓-8

2.5.2人手轮廓近似-9

2.5.3人手轮廓的凸包和缺陷检测-10

2.5.4估算手掌圆心位置和半径-11

3手势识别-12

3.1 手势图像数据库-12

3.2 稠密SIFT特征提取-13

3.2.1 SIFT与稠密SIFT介绍-13

3.2.2 手势图像提取稠密SIFT特征-14

3.3 特征描述子进行PCA降维-16

3.4 SVM图像训练-17

3.4.1 SVM介绍-17

3.4.2 手势图像训练和SVM手势分类器的建立-18

3.5 LibSVM分类器识别手势-19

4 实验结果和分析-20

4.1 手势图像数据库特征描述和测试图像特征描述-20

4.2 手势识别结果-22

4.3 结果分析-22

结    论-24

参 考 文 献-25

致    谢-26