彩色摄像机，左右两边镜头分别为红外线发射器和红外线摄像机，共同构成深度感应器，可以生成具有深度的灰度图像。其深度图像像素以物体离传感器的距离度量，距离越远像素值越大，黑色代表无穷近，白色代表无穷远。其实际可探测的距离为。，其中误差较小，为左右。手势分割由采集的深度图像，当采样大小为时，采样速度可以达到。每帧深度图像其像素均为,的数据。为更好地分割出手部区域，本文将图像逐像素进行灰度直方图统计，转换为灰度阶，同时可以去除图像重影。灰度直方图统计图像中具有每种灰度级的像素个数，反映出图像中每种灰度出现的频率。经过灰度直方图量化处理后，通过得到粗略手部区域质心点,。将区域质心深度像素值转换为空间实际距离，以此距离作为手部动态分割的阂值。分割公式如下以上述方法进行手部区域分割，得到初步分割二值图，但该二值图序列存在明显的边缘噪声及少量非手部区域噪声同距离噪声等，对其做形态学滤波并填充孔洞，同时利用的,滤除二值图序列中与手势区域不连通区及小而积区域，得到精确分割序列。形态学滤波流程如图所示。实验所得部分分割结果如图所示。沈阳理工大学学士学位论文图流程图图处理后的图手势表观特征分析及提取手势表现特征分析从手势识别的建模方法来讲，主要有基于手臂模型的手势建模和基于表观的手势建模。本文采用表观建模的方式。般基于图像表观的手势识别方法是直接从图像中提取表观特征，如轮廓矩区域矩直方图等参数，而人手是个关节式的复杂变形体，随着关节的运动，手的形状不断变化，所以手势特征参数构造应具有定的相对不变性，在旋转与缩放情况下要能有效实时识别。为实现旋转与缩放条件下快速有效识别，本文提取具有旋转缩放不变性的手指弧度指间弧度和手指弧度数目分别作为手势的识别特征。根据人手特征，人手为手掌连接五根手指，通过关节和手掌的变动产生不同手势，不同手势其手指弧度个数是不同的，且手指弧度和指间弧度也不相同，并且同种手势在不同层区域手指弧度的个数是不同的同种手势的手指弧度取决于人的手指粗细，不受其他环境影响同种手势其指间弧度取决于手指分开的角度，但当其中个手指间弧度较大平滑腐蚀扩张消去无关的域沈阳理工大学学士学位论文时其他手指间弧度减小，本文均综合单层手指弧度指间弧度和弧度个数的总和予以考虑。手势特征提取手势识别中使用何种手势特征对识别结果的好坏具有极其重要的影响。本文提取具有旋转平移缩放不变性的手指弧度指间弧度手指数目作为识别特征。手势特征提取步骤如下针对分割的二值图像，运用构求取距参数得到手势重心点。于视觉的动态孤立手势识别技术，借助于图像。他们为了进步提高识别沈阳理工大学学士学位论文速度，识别模块中选取了多层识别器，可识别中国手语字典中的个词条，识别率为。与基于单个的识别系统比较，这种模型的识别精度与单个模型的识别元混合密度来模型化手语信号，可识别中国手语字典中个词条，识别率为。与基于的识别系统比较，这种模型的识别精度与模型的识别精度相当，其训练和识别速度比的训练与识别速度有明显的改善等又选取型号数据手套作为手语输入设备，并采用了为系统的识别技术，即利用个随时间变化的具有个分量的混合，以增加识别方法的分类特性和减少模型的估计参数的个数，将混合方法应用于有个传感器的型号数据手套的中国手语识别系统中，孤立词识别率为，简单语句级识别率为。接下来高文个孤立词构成的词汇集，正确率为。面对如此多的新型用户接口，有分析家指出简便性和直观性是其是否成功的关键标准在我国，哈尔滨工业大学的吴江琴高文等给出了与的混合方法作为手语的训练识别方法识别，识别率为。利用数据手套等典型传感设备的方法中，的和在年完成了个操纵机器人的手势控制系统用作为手语输入设备，识别由中提取特征，采用技术识别个孤立词，正确率为此外，与将两种方法结合用于美国手语识别，交互采用个位置跟踪器及三个互相垂直的摄像机作为手语输入设备，完成了个孤立词的和将戴上尖具有高亮标记的视觉手套的手势作为系统的输入，可识别种手势等在对美国手语中带有词性的个词汇随机组成的短句子识别率达到和从视频录像设备，司机只需要在指定区域做出个手势，即可调整车内的温度或音响的音量，而不需要转移对路面的注意力。在基于视觉手势识别方面，具有代表性的研究成果包括年富士通实验室完成了对个手语符号的识别工作设备，司机只需要在指定区域做出个手势，即可调整车内的温度或音响的音量，而不需要转移对路面的注意力。在基于视觉手势识别方面，具有代表性的研究成果包括年富士通实验室完成了对个手语符号的识别工作和将戴上尖具有高亮标记的视觉手套的手势作为系统的输入，可识别种手势等在对美国手语中带有词性的个词汇随机组成的短句子识别率达到和从视频录像中提取特征，采用技术识别个孤立词，正确率为此外，与将两种方法结合用于美国手语识别，交互采用个位置跟踪器及三个互相垂直的摄像机作为手语输入设备，完成了个孤立词的识别，识别率为。利用数据手套等典型传感设备的方法沈阳理工大学学士学位论文目录引言课题的背景和意义国内外研究现状手势识别研究综述手势的定义手势识别的意义手势识别的主要内容手势识别的方法手势图像的格式及基本操作手势图像格式数字图像的表示数字图像的灰度图与图像格式通用的图像操作图像的剪切图像的缩放图像的亮度调整手势图像的预处理图像平滑局部平均法中值滤波法频域平滑技术图像二值化参数法模式法可变阀值法介绍概述沈阳理工大学学士学位论文的功能语言特点语言的优势数组与矩阵函数基于的手势识别实现方法手势表现特征分析特征提取中手势识别的仿真输入待识别手势图片判断输赢结论致谢参考文献附录源代码附录英文原文文献附录中文翻译沈阳理工大学学士学位论文引言课题的背景和意义人与计算机的交互活动越来越成为人们口常生活的个重要组成部分。特别是最近几年，随着计算机技术的迅猛发展，研究符合人机交流习惯的新颖人机交互技术变得异常活跃，也取得了可喜的进步。这些研究包括手势识别面部表情识别唇读头部运动跟踪凝视跟踪人脸识别以及体势识别等等。总的来说，人机交互技术己经从以计算机为中心逐步转移到以人为中心，是多种媒体多种模式的交互技术。基于的手势识别研究正是顺应了这潮流。手势是种自然直观易于学习的人机交互手段。以人手直接作为计算机的输入设备，人机之间的通讯将不再需要中间媒体，用户可以简单地定义种适当的手势来对周围的机器进行控制。以人手直接作为输入手段与其他输入方法相比较，具有自然性简洁性，和丰富性直接性的特点，因此用计算机来识别手势提供了个更自然的人机接口。但是由于手势本身具有的多样性多义性以及时间和空间上的差异性等特点，加之人手是复杂变形体以及视觉本身的不适定性，因此基于的手势识别是个多学科交叉的富有挑战性的研究课题。为了寻找突破口，必须研究人机交流中的手势用法，从而确定合理的研究范围。手势识别的研究可以应用于计算机辅助哑语教学电视节目双语播放虚拟人的研究电影制作中的特技处理动画的制作医疗研究游戏娱乐等诸多方面，同时也有助于改善和提高聋哑人的生活学习和工作条件，为他们供更好的服务另外，手势的研究涉及到教学计算机图形学机器人运动学医学等多学科。因此，手势识别的研究是个非常有意义的课题。手势输入在人机交互中应用的精髓不在于用来独立的用作空间指点，而是作为语言视线唇语等交互通道提供空间的或其它约束信息，以消除在单通道输入时存在的歧义，这样就可以以充分性取代精确性。