答辩ppt----基于计算机视觉的手势识别技术.ppt

1、讲师：论文题目：学院：专业：姓名：学号：基于计算机视觉的静态手势识别技术，手势识别技术的研究背景，手势识别技术的研究背景和意义。随着计算机技术的飞速发展，人机交互技术已经成为当前最热门的研究课题之一，人机交互技术正逐步从以计算机为中心向以人为本转变。由于人手的特殊性，手势作为最自然、最直观、最易学的人机交互方式，在人类日常交流活动中发挥着重要作用。手势识别技术的发展，基于数据手套的手势识别技术，基于标记手的手势识别，基于视觉的手势识别，手势识别技术的研究背景和意义，手势识别的研究可以应用于计算机辅助手语教学，电视节目的双语播放，虚拟人的研究，电影制作中的特效处理，动画制作，医学研究，游戏娱乐等

2、。这也有助于改善和提高聋人。此外，手势的研究涉及教学、计算机图形学、机器人运动学、医学和其他学科。因此，手势识别的研究是一个非常有意义的课题。静态手势识别的基本过程，全文介绍，本文的主要研究内容，手势图像预处理，手势图像分割，手势特征提取，手势图像分类识别，手势图像预处理，图像平滑，空间平滑滤波，均值滤波方法：用所选窗口中所有像素的平均值代替窗口中心点的灰度值。中值滤波法：根据灰度对邻域内图像的像素进行排序，然后选择组的中间值作为像素值。维纳滤波方法：维纳滤波器是一种自适应滤波器，主要根据区域内的方差来调整滤波器的输出。图像锐化是为了补偿图像的轮廓，增强图像边缘灰度跳跃的部分，使图像的边缘、轮

3、廓和细节清晰。手势图像预处理、平滑滤波结果、手势图像预处理、图像锐化结果、手势图像分割、颜色空间、RGB颜色空间、YCrCb颜色空间、HSI颜色空间、图像分割算法、基于HSI颜色空间的分割算法，h、S和I分量之间的相关性较小，可以通过色调h和饱和度S来完成与亮度无关的颜色区域分割.将RGB空间图像转换到HIS空间、通过多次实验确定色调和饱和度的上下阈值，根据阈值对像素进行分类，分割手势图像，分割基于YCrCb颜色空间，颜色空间通过以下两个公式进行转换，在转换后的YCrCb颜色空间中进行颜色阈值分割。在改进的RGB颜色空间分割算法的基础上，利用传统方法在RGB空间分割手势，需要分别设置R、G和B

4、分量的阈值。由于亮度值是RGB三个分量的平均值(左公式)，传统方法受光照影响很大。经过大量的研究发现，虽然RGB颜色模型很容易受到光照的影响，但是RGB颜色对应的三个分量的色差仍然在一定的范围内，即不受光照的影响。因此，本文提出的改进方法是基于三分量色差的阈值分割。经过大量计算，得出以下公式的阈值适用于本实验中手的肤色。上述阈值可以得到理想的分割手势。对以下三种分割算法进行了分析和比较：手势图像分割、分割手势图像、预分割图像、HSI空间颜色分割结果、HSI空间二值分割结果、YCrCb空间二值分割结果、改进的RGB空间二值分割结果、手势特征提取、特征提取目的、降维和数据约简、特征提取算法。基于小

5、波变换的特征提取算法首先用N级小波对手势图像进行分解，得到3N 1个子图像，然后用3N个高频分量的子图像得到长度为3N的矢量。基于Hu的图像特征提取，手势特征提取，Hu矩群是图像中心矩的前七个矩的函数，Hu矩使用七个不变矩作为图像特征向量，而Hu矩群反映了图像的本质属性。一种基于Bamieh不变矩的特征提取算法。为了降低计算复杂度，提出了Bamieh不变矩，其特征向量比其他不变矩小得多。以下四个值用作特征提取中的特征量。手势特征提取，实验结果与分析，(a)，(b)，(c)，(d)，(e)，(f)，(a)原始图像128*128，(b) 64*64图像，(c) 255手势特征提取，Hu不变矩特征提取结果，Bamieh不变矩特征提取结果，手势特征提取，三种手势特征提取方法的比较，Hu不变矩特征提取结果表明，小波变换特征提取结果对噪声不敏感，但各特征量差异小，分类效果低。Bamieh矩不变特征提取结果：满足尺寸和旋转不变性，且对噪声不敏感。手势图像分类与识别、人工神经网络、BP学习算法、工作信号正向传播、误差信号反向传播、概率神经网络算法、求和层、输入层、模式层、输出层、手势图像分类与识别、手势图像分类与识别、巴米耶不变矩提