Upload
zhangwenting
View
414
Download
3
Embed Size (px)
Citation preview
手势控制手势控制( Gesture Control)技术是通过摄像头读取人的自然手势,通过一定的算法处理摄像头读取的动作图像或图像序列,将自然语言翻译成机器命令,从而达到控制计算机完成特定程序的目的。
这项研究属于人机交互( Human-Computer Interaction)领域的范畴。
手势控制的应用举例
手势控制手势控制是通过手势识别技术来实现的。手势识别有两类,第一种是静态手势识别。摄像头读入序列动作图片,计算机判定哪一张是有效指令帧,然后对这一帧静态图像进行处理和判断,对应到某个指令。第二种是动态手势识别,它则是针对一个连续的动作指令进行对应的读取、判断和识别。
我们通过读论文等方式决定先从静态手势识别学起。
手势控制的应用举例
手势识别的模型与原理
模型与原理:各种手势识别技术的操作流程归结起来就是右图。而其区别在于在手势分割、特征分割和分势模板三个环节设置的不同。
动态手势识别采取的手势分割是基于动态轨迹的特征,静态的手势识别则利用了不同手势在静态视图上所表现的差异性,又可称其为基于视图或者基于图像的方法。
手势识别过程结构框图
目前领域内相关研究成果情况
目前的手势识别方法主要有
模板匹配法 (Model / Template Matching) 、
神经网络法 (NN , Neural Network) 、
动态时间规整法 (DTW , Dynamic Time Warping) 、
隐马尔可夫模型法 (HMM , Hidden Markov Mode1)
我们着重模板匹配法中的基于图像测量的方法进行了探讨。在初步入手这个项目时,我们需要一个起步点,所以我们避免了其他复杂难懂的算法、手势建模、匹配,抛弃了数据手套等复杂工具的介入,采取简单的图像摄取,初步的图像测量方法差异化的方法来分辨提前设定好的手势。
特征分割
首先确定背景,再通过减法确定需要识别的前景,即手势。并且进行一系列的降噪措施。
通过追踪目标边界,确定目标边界,再数出边界内像素点的个数,记为 count 。
通过 count 数值的范围,来进行特征识别。例如,向下翻页的手势, count 值范围在3000~5000.
count=3000~5000
通过对图像的处理识别,得到了手势特征之后,将其与对应控制的的用意义的指令连接起来,完成手势识别控制的全过程。主要通过调用Robot类中的 keyPress函数,参数为按键的数值,来实现对键盘和鼠标按键的控制,实现对阅读软件的操控。
控制阅读部分
3