趨勢(shì)[2]。由于手勢(shì)的應(yīng)用場(chǎng)景越來(lái)越復(fù)雜,在近距離攝像機(jī)的拍攝情況下,手勢(shì)的辨識(shí)越來(lái)越不能完全適應(yīng)人體的需要,而距離、角度等因素也會(huì)對(duì)手勢(shì)的辨識(shí)產(chǎn)生很大的影響[3]。如果手勢(shì)與攝像機(jī)的鏡頭沒(méi)有對(duì)準(zhǔn)就拍攝,那么畫(huà)面中的手勢(shì)就會(huì)出現(xiàn)扭曲,甚至是手指交叉,導(dǎo)致手勢(shì)特征發(fā)生變化,計(jì)算機(jī)系統(tǒng)也會(huì)出現(xiàn)錯(cuò)誤識(shí)別。因此,在復(fù)雜的工作環(huán)境中,必須對(duì)手勢(shì)識(shí)別技術(shù)進(jìn)行深入探索和開(kāi)發(fā)。王勇等[4]利用 FM序列波雷達(dá)多維特征,建立了一種用于卷積型神經(jīng)網(wǎng)絡(luò)的手勢(shì)辨識(shí)算法。在此基礎(chǔ)上

前基于穿戴設(shè)備的手勢(shì)識(shí)別需要用戶(hù)佩戴或觸摸設(shè)備以感知人的手勢(shì)變化[1,2], 其約束性使得人們對(duì)更友好的人機(jī)交互方式提出需求. 隨著人工智能及計(jì)算機(jī)技術(shù)的快速發(fā)展, 基于視覺(jué)識(shí)別的人機(jī)交互是利用計(jì)算機(jī)輸入命令形成成像系統(tǒng), 替代人體視覺(jué)感知進(jìn)行圖像處理和分析任務(wù). 該技術(shù)對(duì)環(huán)境的適應(yīng)性較強(qiáng), 也為手勢(shì)識(shí)別提供了一個(gè)更加自然的人機(jī)交互接口.手勢(shì)是人與人之間最為自然的交流方式, 作為人機(jī)交互的手段具有靈活、直觀的特點(diǎn). Karam等人[3]通過(guò)對(duì)手勢(shì)交互系統(tǒng)的

提高，機(jī)器視覺(jué)的手勢(shì)識(shí)別已成為自然交互的一個(gè)重點(diǎn)研究方向，并且在意圖感知、輔助駕駛、輔助教學(xué)、醫(yī)學(xué)、人機(jī)交互、電子游戲等領(lǐng)域應(yīng)用廣泛[1-3]。手勢(shì)檢測(cè)主要分為手勢(shì)分割和識(shí)別2個(gè)部分，手勢(shì)分割的精度影響手勢(shì)識(shí)別的準(zhǔn)確度。目前手勢(shì)識(shí)別研究中常用的手勢(shì)分割方法是利用YCbCr模型[4-5]和高斯模型[6-7]等進(jìn)行手勢(shì)的分割和檢測(cè)，但是YCbCr模型在實(shí)際應(yīng)用中容易受背景類(lèi)膚色的物體影響，高斯模型也容易受環(huán)境變化和個(gè)體差異的影響。在深度學(xué)習(xí)方法方面，睢丙東等[

識(shí)別、指紋識(shí)別、手勢(shì)識(shí)別等，其中手勢(shì)作為日常肢體語(yǔ)言的表達(dá)形式之一，其包含的信息量巨大，且具有形象和直觀等優(yōu)勢(shì)，簡(jiǎn)單來(lái)說(shuō)手勢(shì)識(shí)別就是通過(guò)人類(lèi)肢體動(dòng)作控制設(shè)備或與設(shè)備溝通的一種方式[1-2]。利用手勢(shì)識(shí)別方式可減少用戶(hù)使用設(shè)備操作步驟，無(wú)需與設(shè)備發(fā)生任何物理接觸。此技術(shù)被廣泛應(yīng)用在汽車(chē)、醫(yī)療、航天等各個(gè)領(lǐng)域。隨著手勢(shì)識(shí)別的應(yīng)用面越來(lái)越廣，研究手勢(shì)識(shí)別的專(zhuān)家眾多，其中以張哲等人[3]提出的多層卷積特征的手勢(shì)識(shí)別方法和田元等人[4]提出的基于Kinect的實(shí)時(shí)手

要求。車(chē)輛多媒體手勢(shì)識(shí)別技術(shù)是實(shí)現(xiàn)人車(chē)交互的重要技術(shù)，所謂手勢(shì)識(shí)別技術(shù)是通過(guò)在車(chē)輛車(chē)頂或者中控臺(tái)等不同位置安裝3D 傳感器，通過(guò)傳感器識(shí)別駕駛員手勢(shì)，具有控制車(chē)輛導(dǎo)航、信息娛樂(lè)等作用[1]。車(chē)載多媒體經(jīng)歷了機(jī)械按鍵控制、旋轉(zhuǎn)控制、觸摸屏觸控，如今已經(jīng)實(shí)現(xiàn)了語(yǔ)音控制、手勢(shì)控制。手勢(shì)識(shí)別技術(shù)是手勢(shì)控制的基礎(chǔ)，也是新時(shí)代對(duì)車(chē)載多媒體提出的新要求，目前寶馬、君馬等相關(guān)車(chē)型上已經(jīng)擁有了手勢(shì)識(shí)別技術(shù)，對(duì)用戶(hù)而言，手勢(shì)識(shí)別可顯示出汽車(chē)的“高大上”，也是車(chē)載多媒體未來(lái)重要

1 引 言目前,手勢(shì)識(shí)別在手語(yǔ)認(rèn)知、輔助駕駛、電子游戲以及機(jī)器控制等領(lǐng)域應(yīng)用前景廣闊[1，2],隨著深度學(xué)習(xí)的快速發(fā)展,基于視覺(jué)的手勢(shì)識(shí)別成為人機(jī)交互領(lǐng)域重點(diǎn)研究方向之一。手勢(shì)識(shí)別一般分為手勢(shì)分割、手勢(shì)特征提取和手勢(shì)識(shí)別3個(gè)步驟[3],手勢(shì)分割是從前景和手臂中分離出手部區(qū)域,常見(jiàn)的分割方法是利用膚色特征模型[4],但此類(lèi)方法對(duì)光照變化和復(fù)雜背景都十分敏感。為減少光照條件影響,宋曉娜等[5]采用一種基于亮度高斯模型的手部檢測(cè)算法,首先在RGB顏色空間建立亮度

娟摘? 要：智能手勢(shì)識(shí)別多功能系統(tǒng)主要由PAJ7620手勢(shì)傳感器通過(guò)不同手勢(shì)動(dòng)作的識(shí)別，獲取探測(cè)目標(biāo)特征原始數(shù)據(jù)，再對(duì)原始數(shù)據(jù)進(jìn)行識(shí)別處理，最后將手勢(shì)結(jié)果存到寄存器中，根據(jù)IIC接口對(duì)原始數(shù)據(jù)和手勢(shì)識(shí)別的結(jié)果進(jìn)行讀取，由STM32F401RBT6主控芯片處理和分析，從而來(lái)識(shí)別不同手勢(shì)，進(jìn)而在OLED屏上顯示出手勢(shì)的信息和驅(qū)動(dòng)載體作出不同響應(yīng)的效果。關(guān)鍵詞：手勢(shì)識(shí)別;STM32F401RBT6;PAJ7620中圖分類(lèi)號(hào)：TP391? ? ? ? ?文獻(xiàn)標(biāo)志碼

年來(lái)，基于視覺(jué)的手勢(shì)識(shí)別由于具有操作簡(jiǎn)單、自然的優(yōu)勢(shì)而成為人機(jī)交互領(lǐng)域研究熱點(diǎn)[1]。相比于基于模板匹配[2]、基于機(jī)器學(xué)習(xí)[3,4]等手勢(shì)識(shí)別方法，基于幾何特征的識(shí)別方法[5]在簡(jiǎn)單背景的桌面應(yīng)用條件下具有計(jì)算簡(jiǎn)單、識(shí)別速度快的優(yōu)點(diǎn)[6]。該方法主要利用手勢(shì)中的手指數(shù)目、角度、相對(duì)位置等特征進(jìn)行手勢(shì)的分類(lèi)與判別。但是由于個(gè)體差異等原因，上述幾何特征即使在相同的手勢(shì)中依然存在較大范圍的變化，很難根據(jù)單一的幾何特征實(shí)現(xiàn)手勢(shì)的分類(lèi)。為了提高該方法的識(shí)別率，許多

430070)手勢(shì)識(shí)別是眾多新型交互方式之一，手勢(shì)交互有著通用性強(qiáng)，操作直觀簡(jiǎn)單等優(yōu)點(diǎn)。近年來(lái)，基于計(jì)算機(jī)視覺(jué)方法的非接觸式手勢(shì)識(shí)別方法得到了迅速發(fā)展,其通過(guò)攝像裝置拍攝手勢(shì)，然后在計(jì)算機(jī)上運(yùn)用圖像處理等相關(guān)技術(shù)來(lái)分割和識(shí)別手勢(shì)。Raheja[1]和Panwar[2]提取手勢(shì)幾何特征作為參考，對(duì)手勢(shì)進(jìn)行識(shí)別，取得較高的識(shí)別率。王凱等[3]基于AdaBoost算法和光流模板匹配的方法進(jìn)行手勢(shì)識(shí)別，采用光流矢量統(tǒng)計(jì)和模板匹配相結(jié)合的方法來(lái)識(shí)別動(dòng)態(tài)手勢(shì)。高輝光

言基于傳感器的手勢(shì)識(shí)別，可分為接觸式和非接觸式[1]。接觸式的實(shí)現(xiàn)方案有基于數(shù)據(jù)手套的手勢(shì)識(shí)別[2]、基于慣性傳感器手的勢(shì)識(shí)別[3]等，非接觸式的實(shí)現(xiàn)方案有基于視覺(jué)的手勢(shì)識(shí)別[4-5]、基于紅外傳感器的手勢(shì)識(shí)別、基于超聲波的手勢(shì)識(shí)別和基于電磁信號(hào)的手勢(shì)識(shí)別。傳統(tǒng)的識(shí)別方法主要有模板匹配、神經(jīng)網(wǎng)絡(luò)和馬爾科夫模型等。隨著ARM(Advanced RISC Machine)嵌入式處理器的崛起，高速的數(shù)據(jù)處理性能為一些復(fù)雜算法提供了載體，如深度神經(jīng)網(wǎng)絡(luò)。深度神經(jīng)

otion的三維手勢(shì)交互系統(tǒng)研究劉瑜興，王淑俠，徐光耀，蘭望桂，何衛(wèi)平(西北工業(yè)大學(xué)機(jī)電學(xué)院，陜西 西安 710072)手勢(shì)識(shí)別的快速發(fā)展及體感設(shè)備的不斷更新為三維手勢(shì)交互提供了靈感，基于Leap Motion手勢(shì)識(shí)別和最鄰近算法，建立了一種三維手勢(shì)交互系統(tǒng)。首先對(duì)手勢(shì)設(shè)計(jì)理論和交互手勢(shì)設(shè)計(jì)原則進(jìn)行研究，基于此設(shè)計(jì)手勢(shì)功能和建立手勢(shì)庫(kù)，并將手勢(shì)庫(kù)分為8種手勢(shì)；其次進(jìn)行手勢(shì)特征提取，建立手指關(guān)鍵點(diǎn)模型，獲取手勢(shì)特征的角度特征；然后計(jì)算KNN算法和SVM算法的

眾所周知，手勢(shì)語(yǔ)與人們的日常生活息息相關(guān)，但是，你知道嗎？有時(shí)，同樣的手勢(shì)在不同的國(guó)家或地區(qū)含義迥然不同。因此，“When in Rome， do as the Romans do.（入鄉(xiāng)隨俗。）”仍然是我們應(yīng)該恪守的重要規(guī)則，否則你會(huì)感到很尷尬的。一、Gesture OK OK手勢(shì)In most cultures， the OK sign means “good” or “satisfactory”， but in Spain， parts of Sou

意思時(shí)都有統(tǒng)一的手勢(shì)，他們將這些手勢(shì)歸類(lèi)并描繪出來(lái)?？炊@些手勢(shì)，再學(xué)會(huì)這些手勢(shì)，你就可以和小寶寶“暢所欲言”啦！最常用的17個(gè)手勢(shì)想喝奶手勢(shì)：你會(huì)看到寶寶的右手先是張開(kāi)的，然后大拇指不動(dòng)，剩下四指向里握緊，好像在擠奶。這就代表寶寶想喝奶了。餓了想吃東西手勢(shì)：右手五指指尖輕微合攏，放在胸前，然后送到嘴邊，好像抓著什么東西往嘴里放。想洗澡手勢(shì)：雙手在胸前輕微握拳，左右手交替由外向內(nèi)畫(huà)圓圈，好像在模仿洗澡時(shí)的動(dòng)作。穿褲子（想要外出）手勢(shì)：雙手握拳，放在腰的位置

象；符號(hào)；記號(hào)；手勢(shì)；指示牌vi. 簽署；簽名 vt. 簽署；示意you have a miserable day, you will come home to a bed that is made — that you made — and a made bed gives you encouragement that tomorrow will be better.If you want to change the world,start off by

211106)手勢(shì)是人們?nèi)粘Ｉ钪袕V泛使用的交流方式，例如手語(yǔ)就是基于手勢(shì)的交流語(yǔ)言。隨著計(jì)算機(jī)計(jì)算能力和交互設(shè)備性能的提高，手勢(shì)早已被應(yīng)用到人機(jī)交互領(lǐng)域中。手勢(shì)交互有眾多優(yōu)點(diǎn)，如其中含有豐富的交互信息，又符合人的認(rèn)知習(xí)慣，能夠?qū)崿F(xiàn)人的認(rèn)知空間和計(jì)算機(jī)計(jì)算空間之間的平滑過(guò)渡[1]；輸入具有容錯(cuò)性、連續(xù)性、要求較低的視覺(jué)注意等特點(diǎn)[2]。手持設(shè)備背面輸入是一種新穎的交互方式，用戶(hù)可以用手指在設(shè)備背面的輸入?yún)^(qū)域進(jìn)行操作。這種交互方式能夠帶來(lái)很多好處，例如手指

)0 引 言動(dòng)態(tài)手勢(shì)包含運(yùn)動(dòng)軌跡變化和結(jié)構(gòu)變化等，準(zhǔn)確的識(shí)別動(dòng)態(tài)手勢(shì)需要研究動(dòng)態(tài)手勢(shì)特征提取算法，用于表達(dá)手勢(shì)的運(yùn)動(dòng)軌跡特征和結(jié)構(gòu)特征。根據(jù)提取的特征類(lèi)型不同，目前的動(dòng)態(tài)手勢(shì)特征提取算法主要分為基于圖像屬性的動(dòng)態(tài)手勢(shì)特征提取算法和基于幾何結(jié)構(gòu)的動(dòng)態(tài)手勢(shì)特征提取算法。其中，基于圖像屬性的手勢(shì)特征提取算法是利用目標(biāo)檢測(cè)算法提取出圖像的像素點(diǎn)分布情況來(lái)表達(dá)手勢(shì)，常用方法包括Hu矩[1]、梯度方向直方圖(histogram of oriented gradient

言基于慣性傳感器手勢(shì)識(shí)別一直以來(lái)是人機(jī)交互領(lǐng)域的重要研究方向[1]。目前，手勢(shì)識(shí)別的方案有很多種，主要包括：基于筆的手勢(shì)識(shí)別、數(shù)據(jù)手套的手勢(shì)識(shí)別、基于微機(jī)電系統(tǒng)(micro-electro-mechanical system,MEMS)慣性傳感器的手勢(shì)模式識(shí)別、基于視覺(jué)的手勢(shì)識(shí)別和基于圖像的手勢(shì)識(shí)別[2～4]?；谝曈X(jué)的手勢(shì)識(shí)別技術(shù)比較成熟[5]，但依賴(lài)于對(duì)圖像的處理，要求設(shè)備有很強(qiáng)的圖像處理能力和對(duì)設(shè)備的使用環(huán)境有嚴(yán)格要求，比如光線的影響，限制了該方法的

收shōu到dào鮑bào勃bó照zhào片piàn的de時(shí)shí候hou，我wǒ很hěn難nán把bǎ照zhào片piàn上shɑnɡ這zhè個(gè)ɡè摟lǒu著zhe“州zhōu年nián度dù最zuì佳jiā射shè手shǒu”獎(jiǎng)jiǎnɡ杯bēi、一yì臉liǎn陽(yáng)yánɡ光ɡuānɡ的de年nián輕qīnɡ人rén，同tónɡ12年nián前qián那nà個(gè)ɡè瘦shòu弱ruò的de、自zì卑bēi的de男nán孩hái子zi聯(lián)lián系xì起q

了一個(gè)“比心”的手勢(shì)，故意把字寫(xiě)錯(cuò)，以體現(xiàn)自己萌萌噠……“比心”的動(dòng)作用英文非常好說(shuō)：f i nger heart?！氨刃摹?，從字面上（literarily）就是用手指做出一個(gè)心形（a heart shape）。把你的大拇指（thumb）搭在你的食指（index fi nger）上，讓手指形成心形。沒(méi)有人能確定這個(gè)手勢(shì)何時(shí)開(kāi)始流行的，但是現(xiàn)在確實(shí)有很多人（numerous①people）用“比心”這個(gè)手勢(shì)來(lái)表達(dá)自己積極樂(lè)觀的情緒（positve feeli

于改進(jìn)深度信息的手勢(shì)分割與定位林海波，王圣彬*，張 毅(國(guó)家信息無(wú)障礙研發(fā)中心(重慶郵電大學(xué))，重慶 400065)(*通信作者電子郵箱1357503397@qq.com)針對(duì)基于Kinect深度信息分割的手勢(shì)往往包含手腕易造成后續(xù)手勢(shì)誤識(shí)別的問(wèn)題，提出一種改進(jìn)深度信息的手勢(shì)分割與定位算法。首先，基于深度信息閾值限定在實(shí)驗(yàn)空間中檢測(cè)出手勢(shì)二值圖；然后，根據(jù)普通手勢(shì)特征，提出基于手勢(shì)端點(diǎn)檢測(cè)和可變閾值算法分割出準(zhǔn)確手勢(shì)。為得到穩(wěn)定的分割效果，對(duì)分割手勢(shì)進(jìn)行形

，鼓勵(lì)孩子多使用手勢(shì)可以提高他們的創(chuàng)造力。該研究試驗(yàn)涉及78名9～11歲的兒童，比較了自發(fā)使用手勢(shì)的兒童和不愛(ài)或不會(huì)用手勢(shì)兒童的創(chuàng)造力差異。研究人員讓參試兒童觀看報(bào)紙、罐子和水壺等家居圖片，并要求他們憑想象說(shuō)出各種物件的新用途。對(duì)比結(jié)果顯示，自發(fā)用手勢(shì)的兒童創(chuàng)意想法更多。正常使用手勢(shì)的孩子平均出現(xiàn)13種表達(dá)物件新使用方法的手勢(shì)，而被特別提示使用手勢(shì)的兒童平均產(chǎn)生大約53個(gè)表達(dá)物件新用途的手勢(shì)。被鼓勵(lì)使用手勢(shì)的孩子對(duì)所呈現(xiàn)物品的新用途想法也更多。

于先進(jìn)的3D投影手勢(shì)的人機(jī)交互界面，專(zhuān)利號(hào)為9449758。這項(xiàng)技術(shù)可以應(yīng)用于電視機(jī)或者電腦屏幕上，可以利用一種抓取的手勢(shì)、一種推動(dòng)的手勢(shì)、一種釋放的手勢(shì)，還有查詢(xún)、縮放、搜索、執(zhí)行等，就是通過(guò)手勢(shì)進(jìn)行人機(jī)互動(dòng)，例如，用推動(dòng)的手勢(shì)來(lái)點(diǎn)選一個(gè)App并打開(kāi)。這項(xiàng)新的專(zhuān)利可以讓用戶(hù)用各種交互手勢(shì)直接控制屏幕上的內(nèi)容，而這些可以控制的內(nèi)容主要包括游戲、照片、視頻和App等。2013年，蘋(píng)果收購(gòu)了以色列的PrimeSense公司， PrimeSense公司擁有的3D

度傳感器的可擴(kuò)展手勢(shì)識(shí)別*謝仁強(qiáng)1，2，曹俊誠(chéng)1*（1.中國(guó)科學(xué)院上海微系統(tǒng)與信息技術(shù)研究所中國(guó)科學(xué)院太赫茲固態(tài)技術(shù)重點(diǎn)實(shí)驗(yàn)室，上海200050；2.上海科技大學(xué)信息科學(xué)與技術(shù)學(xué)院，上海201210）為了提高基于加速度傳感器的動(dòng)態(tài)手勢(shì)識(shí)別算法的性能，并且增強(qiáng)系統(tǒng)的可擴(kuò)展性，提出了一種有效結(jié)合機(jī)器學(xué)習(xí)模型與模板匹配的方法。將手勢(shì)分為基本手勢(shì)和復(fù)雜手勢(shì)兩大類(lèi)，其中復(fù)雜手勢(shì)可分割為基本手勢(shì)組成的序列；根據(jù)手勢(shì)運(yùn)動(dòng)的特點(diǎn)提取有效的特征量，并利用基本手勢(shì)樣本訓(xùn)練隨機(jī)

于三維軌跡的相似手勢(shì)識(shí)別研究陳燕湄，羅兵 （五邑大學(xué) 信息工程學(xué)院，廣東 江門(mén) 529020）為解決動(dòng)態(tài)手勢(shì)識(shí)別中相似手勢(shì)識(shí)別率不高的問(wèn)題，本文開(kāi)發(fā)了基于Leap Motion設(shè)備的動(dòng)態(tài)手勢(shì)識(shí)別系統(tǒng)，即對(duì)采集到的所有動(dòng)態(tài)手勢(shì)的三維運(yùn)動(dòng)軌跡數(shù)據(jù)預(yù)處理后，以運(yùn)動(dòng)角為固定特征通過(guò)HMM模型區(qū)分出非相似與相似手勢(shì)；對(duì)于相似手勢(shì)，設(shè)計(jì)了基于角點(diǎn)數(shù)、子區(qū)域百分比、角點(diǎn)序號(hào)百分比、軌跡區(qū)域長(zhǎng)寬比的二次識(shí)別系統(tǒng).驗(yàn)證試驗(yàn)表明，相似手勢(shì)的最終識(shí)別率高達(dá)92.56%，二次識(shí)別

9)?基于視覺(jué)的手勢(shì)識(shí)別在軟件中的應(yīng)用趙有強(qiáng)(西華大學(xué)，四川 成都 610039)在計(jì)算機(jī)高速發(fā)展的今天，計(jì)算機(jī)已經(jīng)成為了人們生活中的一部分。同時(shí)，用戶(hù)對(duì)軟件的要求越來(lái)越高，如何實(shí)現(xiàn)人機(jī)更好的交互，帶給用戶(hù)更好的體驗(yàn)，已經(jīng)成為現(xiàn)在一個(gè)軟件必須考慮甚至是吸引客戶(hù)的關(guān)鍵?；谝曈X(jué)的手勢(shì)識(shí)別的技術(shù)，是實(shí)現(xiàn)新一代人機(jī)交互不可缺少的一項(xiàng)關(guān)鍵技術(shù)，使用計(jì)算機(jī)通過(guò)攝像頭理解人們的手勢(shì)并做出相應(yīng)的反應(yīng)，使人們擺脫了傳統(tǒng)的鍵盤(pán)鼠標(biāo)，通過(guò)這種技術(shù)，可以更好的實(shí)現(xiàn)人機(jī)的交互，從

發(fā)展趨勢(shì)［1］。手勢(shì)作為一種自然直觀、表達(dá)意義豐富的肢體語(yǔ)言，越來(lái)越多地被運(yùn)用到人機(jī)交互技術(shù)。手勢(shì)識(shí)別技術(shù)也因此成為了當(dāng)前人機(jī)交互研究的熱點(diǎn)。早期的手勢(shì)識(shí)別要求用戶(hù)佩戴特殊的數(shù)據(jù)手套［2］，這種方法雖能精確的識(shí)別手勢(shì)，但掩蓋了手勢(shì)自然的表達(dá)方式，且設(shè)備昂貴。為此，基于視覺(jué)的手勢(shì)識(shí)別應(yīng)運(yùn)而生?；谝曈X(jué)的手勢(shì)識(shí)別輸入簡(jiǎn)單，對(duì)設(shè)備要求低，更加自然直接。在此基礎(chǔ)上，有學(xué)者提出了眾多的識(shí)別方法。張良國(guó)［3］等人首次利用Hausdorff 距離模板匹配的思想，實(shí)現(xiàn)了基

自然地交流，因此手勢(shì)識(shí)別研究順應(yīng)了發(fā)展需要。然而由于手勢(shì)本身具有多樣性、多義性以及時(shí)間和空間上的差異性等特點(diǎn)，加之人手是復(fù)雜變形體以及視覺(jué)本身的不適定性，所以手勢(shì)識(shí)別成為多學(xué)科交叉的研究課題。再者由于文化背景和應(yīng)用環(huán)境的不同，使得手勢(shì)識(shí)別研究無(wú)法整合到一個(gè)完整的框架當(dāng)中，理論及技術(shù)未形成一個(gè)完整的體系。研究者多是根據(jù)特定的項(xiàng)目要求實(shí)現(xiàn)某些特定的功能，而不能將其應(yīng)用到普遍的系統(tǒng)或研究當(dāng)中。因此迫切需要對(duì)手勢(shì)識(shí)別研究領(lǐng)域中的一些普遍難題進(jìn)行解決，使其更具通用性

455002)手勢(shì)是一種自然直觀的人機(jī)交流方式，它符合人的生活習(xí)慣。手勢(shì)識(shí)別研究的主要目的是將手勢(shì)引入到人機(jī)接口HCI(Human Computer Interface)中[1]。手勢(shì)識(shí)別技術(shù)最初是基于數(shù)據(jù)手套，人需要戴上有傳感器的數(shù)據(jù)手套[1]，通過(guò)傳感器系統(tǒng)感知手的位置和關(guān)節(jié)的相對(duì)位置，這種方法由于需要在使用者手上帶上固定的物理裝置，影響了系統(tǒng)使用的自然性和友好性。另外，物理裝置的價(jià)格以及容易磨損的特性都嚴(yán)重影響了系統(tǒng)的整體使用，尤其嚴(yán)重影響了用戶(hù)體

一類(lèi)重要作用：以手勢(shì)傳達(dá)人的思想感情，或者借助于手勢(shì)，來(lái)加強(qiáng)思想感情的表達(dá)，在日常生活中是這樣，在演講時(shí)更是這樣。演講時(shí)，我們一定要正確放置和運(yùn)用好我們的雙手，不僅不能讓它們成為我們演講時(shí)的累贅，還要讓它們?yōu)槲覀兊难葜v增色。演講，演講，不能只有“講”沒(méi)有“演”，而手勢(shì)正是“演”的重要組成部分。正確放置，恰當(dāng)運(yùn)用手勢(shì)是每一個(gè)成功的演講者必備的條件。在演講的過(guò)程中，首先要將手放正確，不能背在身后是當(dāng)然的了，雙臂也不能一高一低，手掌也不能無(wú)緣無(wú)故地高過(guò)腰以上，或