李穎 張曉雪等

摘 要：人機(jī)交換技術(shù)已成為日常生活中一個(gè)重要部分。比如，汽車(chē)導(dǎo)航技術(shù)，醫(yī)療器械的設(shè)計(jì)，游戲娛樂(lè)，人臉識(shí)別，指紋識(shí)別等等技術(shù)都體現(xiàn)了人機(jī)交換的重要性。又由于手勢(shì)是包含信息量最多的人體語(yǔ)言。因此，本文主要研究手勢(shì)的識(shí)別，尤其是應(yīng)用在無(wú)線遙控車(chē)中的手勢(shì)識(shí)別技術(shù)。系統(tǒng)實(shí)現(xiàn)的重點(diǎn)和難點(diǎn)在于PC機(jī)的手勢(shì)識(shí)別部分。基于遙控車(chē)的設(shè)計(jì)，本文對(duì)手勢(shì)識(shí)別技術(shù)方案設(shè)計(jì)如下：在手勢(shì)建模方面，采用基于表觀的手勢(shì)模型；在手勢(shì)分析方面，從原始圖像中抽取的輪廓、邊界、圖像矩確定采用的手勢(shì)特征；在手勢(shì)識(shí)別方面，采用模板匹配的方法進(jìn)行識(shí)別。

關(guān)鍵詞：手勢(shì)建模 手勢(shì)特征 模板匹配

中圖分類(lèi)號(hào)：TP39 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2013）03（b）-0018-01

1 總體設(shè)計(jì)

本項(xiàng)目分為PC機(jī)端的手勢(shì)識(shí)別部分和遙控小車(chē)部分，系統(tǒng)功能是PC機(jī)安裝攝像頭，實(shí)時(shí)采集手勢(shì)圖像，根據(jù)手勢(shì)識(shí)別結(jié)果通過(guò)無(wú)線模塊對(duì)小車(chē)發(fā)送控制命令，使小車(chē)完成不同的動(dòng)作。本系統(tǒng)的總體結(jié)構(gòu)圖（如圖1）。

本系統(tǒng)手勢(shì)識(shí)別部分設(shè)計(jì)的結(jié)構(gòu)框圖（如圖2）。

2 手勢(shì)識(shí)別技術(shù)

手勢(shì)識(shí)別的技術(shù)方案如以下幾點(diǎn)。

2.1 手勢(shì)建模

在手勢(shì)識(shí)別框架中，手勢(shì)模型是一個(gè)最基本的部分。手勢(shì)建模主要分為基于表現(xiàn)的手勢(shì)模型與基于3 d的手勢(shì)模型?；诒碛^的手勢(shì)建模是一種二維建模，從二維平面觀察得到的平面圖像信息描述于的特征?；诒碛^的手勢(shì)模型主要包括基于顏色的模型與基于輪廓的模型兩種?；陬伾氖謩?shì)模型是把手勢(shì)圖像看作像素顏色的集合，通過(guò)提取手部的顏色的特征來(lái)描述手勢(shì)。對(duì)于一幅彩色圖像而言，顏色更利于將手勢(shì)識(shí)別出來(lái)。因此本文使用的是基于表現(xiàn)的手勢(shì)模型，主要是基于膚色的手勢(shì)識(shí)別。

（1）膚色分割，基于膚色彩色信息的檢測(cè)，主要是根據(jù)膚色在空間分布的特點(diǎn)，快速地找到手可能的候選區(qū)域，縮小后續(xù)細(xì)檢測(cè)的范圍，其檢測(cè)過(guò)程為。

彩色空間的轉(zhuǎn)換在計(jì)算機(jī)視覺(jué)中，彩色空間主要有RGB，HSV，HSI，YIQ，YUV等。由于RGB是最為常見(jiàn)的彩色空間，所以可以通過(guò)RGB不同的參數(shù)值將膚色從圖像中檢測(cè)出來(lái)。通過(guò)對(duì)圖像的RGB參數(shù)值進(jìn)行結(jié)果分析，R>30，G>15，B>2時(shí)手勢(shì)可以被模糊的識(shí)別出來(lái)，但是達(dá)不到預(yù)期效果，所以本文采用了聚類(lèi)的方法來(lái)較為精準(zhǔn)的確定人手的候選區(qū)域，方法如下：需要從手勢(shì)取出50～80個(gè)能代表膚色的像素，統(tǒng)計(jì)手勢(shì)與該像素顏色相近的像素的數(shù)目。同時(shí)，改變符合條件的像素的顏色，以確認(rèn)這些像素是否位于手勢(shì)上。得到手勢(shì)候選區(qū)域后進(jìn)行邊緣識(shí)別，除去自然界中存在著類(lèi)似膚色的信息。本文采用拉普拉斯算子實(shí)現(xiàn)邊緣跟蹤（如圖3）。

（2）手勢(shì)分析，手勢(shì)不變矩的定義：對(duì)于手勢(shì)圖像函數(shù)f（x，y），如果它分段連續(xù)且只在XOY平面上的有限個(gè)點(diǎn)不為0，則可以證明它的各階矩存在。手勢(shì)圖像的矩是用所有屬于手勢(shì)區(qū)域內(nèi)的點(diǎn)計(jì)算出來(lái)的，因而不太受噪聲的影響。所以可以用不變距的特性區(qū)分手勢(shì)[5]。

手勢(shì)有七個(gè)不變矩參數(shù)，計(jì)算手勢(shì)輪廓的不變矩作為手勢(shì)的特征，首先根據(jù)八鄰域法所得到的輪廓矩，來(lái)確定手勢(shì)的輪廓函數(shù)f（x，y），f（x，y）中x和y分別為矩陣的標(biāo)號(hào)，而函數(shù)值就是輪廓距中相應(yīng)標(biāo)號(hào)存儲(chǔ)的數(shù)值[4]。在確定手勢(shì)的輪廓函數(shù)f（x，y）之后，可計(jì)算兩個(gè)不變矩作為手勢(shì)的特征[1]。這個(gè)兩個(gè)不變矩特征都是具有旋轉(zhuǎn)平移和尺度不變性，同時(shí)具有很好的區(qū)分性能。

2.2 手勢(shì)識(shí)別

手勢(shì)識(shí)別有3種方法：模板匹配法、神經(jīng)網(wǎng)絡(luò)法、HMM。模板匹配方法是一種最簡(jiǎn)單的識(shí)別技術(shù)，具有計(jì)算簡(jiǎn)單、速度快的特點(diǎn)。其核心的思想就是將輸入的原始數(shù)據(jù)與預(yù)先存儲(chǔ)的模板進(jìn)行匹配，通過(guò)測(cè)量?jī)蓚€(gè)模板之間的相似度來(lái)完成識(shí)別任務(wù)。所以本文采用模板匹配方法進(jìn)行手勢(shì)識(shí)別。

3 結(jié)語(yǔ)

目前，基于計(jì)算機(jī)視覺(jué)的靜態(tài)手勢(shì)識(shí)別技術(shù)研究很多，有基于幾何特征的手勢(shì)識(shí)別、基于人工神經(jīng)網(wǎng)絡(luò)的手勢(shì)識(shí)別等技術(shù)，但仍然存在手勢(shì)目標(biāo)檢測(cè)困難、手勢(shì)目標(biāo)識(shí)別困難等技術(shù)難點(diǎn)，所以，如何準(zhǔn)確、迅速地對(duì)實(shí)時(shí)手勢(shì)圖像進(jìn)行識(shí)別具有重要的研究意義。本文對(duì)手勢(shì)識(shí)別技術(shù)進(jìn)行研究，根據(jù)手勢(shì)識(shí)別結(jié)果對(duì)遙控車(chē)進(jìn)行控制，其研究成果為手勢(shì)識(shí)別的發(fā)展提供理論依據(jù)和實(shí)踐基礎(chǔ)，為基于手勢(shì)識(shí)別技術(shù)的人機(jī)交互開(kāi)辟更廣泛的應(yīng)用領(lǐng)域。

參考文獻(xiàn)

[1]任海兵，祝遠(yuǎn)新，徐光祐，等.復(fù)雜背景下的手勢(shì)分割與識(shí)別[J].自動(dòng)化學(xué)報(bào)，2002，28（2）：256-261.

[2]Stokoe W C.Sign Language Structure：An Outline of the Visual Communication System of the American Deaf， 1960，Buffalo，NY：Linstok.

[3] 朱繼玉，王西穎，王威信，等.基于結(jié)構(gòu)分析的手勢(shì)識(shí)別[J].計(jì)算機(jī)學(xué)報(bào)，2006，29（12）：2130-2137.

[4]周航，阮秋琦.基于表現(xiàn)特征的手勢(shì)識(shí)別[J].廣西師范大學(xué)學(xué)報(bào)，2003，21（1）：25-30.

[5]葛元，郭興偉，王林泉.傅立葉描述子在手勢(shì)識(shí)別中的應(yīng)用[J].計(jì)算機(jī)應(yīng)用與軟件，2005，22（6）：12-13.