当代手势识别技术的潮流算法

当代手势识别技术的潮流算法：

获取图像信息的主要方式为：近红外成像，双目立体视觉，普通图像；

        

1、手势分割：  

  静态方面有：肤色模型（色彩的聚类特征）、边缘轮廓提取法（canny边缘检测法）、质心手指等；

  动态方面有：运动跟踪（差值图像分割，camshaft，卡尔曼跟踪预测，背景剪除法等）。   

  还有适用于动静态的熵分析法等（从背景复杂的视频流中分割出手势区域并进行手势识别）。

  目前最常用的手势分割法为：基于单目视觉的手势分割，基于立体视觉的手势分割：

  1、基于单目视觉的手势分割：

      （1）利用肤色信息在YuV、HsV或Ycbcr等颜色空间下建模对手势进行分割；

      （2）)建立手势形状数据库的；（密西根州立大学计算机系cui Yuntao建立了这种数

据库）

  2、基于立体视觉的手势分割：

      （1）立体匹配和三维重构 

2、手势建模：

  静态：图像属性（轮廓，图像矩，特征，直方图）

  动态：运动序列（计算运动光流，抽取运动轨迹）

  动静态：（链码方法：检测手势区域的轮廓）

 

3、特征匹配：

  静态：【基于Hausdorff距离】模板匹配法(Template Matching) ，神经网络法（Artificial Neural Networks，ANNs），Eucldiean距离变换（EDT），

  动态：隐马尔科夫模型（Hdden Markov Model， HMM)），动态时间规划法(Dynamic Time Warping，DTW）

4、其他：

特征降维&模式聚合：

  用  模糊自适应共振理论(Fuzzy ART) 与 ChiMerge算法 分别进行特征降维，用 CLA(Classifier’s Local Accuracy)技术 对两种算法进行融合；

 

  印度研究者Meenakshi Panwar在视觉手势识别的基础上提出了一种基于结构特征的手势识别算法，通过背景去除、方向检测、拇指检测和手指数量检测，来最终识别手势。

 

  Chendong Yu等人H1采用基于视觉的组合特征进行手势识别，将手的面积、周长、重心、面积比和长宽比等特征结合，使得识别率得以提高。

 

上海大学DING Youdong、PANG Haibo等人运用改进的LBP算法，利用AdaBoost分类器进行手势识别，建立了多种手势数据集，其中包括一些大角度变化的手势图像。