手势识别系统的设计开题报告

全文总字数：2387字

1. 研究目的与意义（文献综述）

随着计算机的广泛应用，手势识别已成为人们日常生活中的重要部分。然而由于识别图像背景复杂、遮挡、光照条件等环境因素的影响，目前的手势识别仍然存在动作识别不准确等问题，是手势识别领域的研究热点之一。目前，手势识别已被广泛研究，尤其是基于视觉的手势识别。熵分析法从复杂的频流中分割出手势区域并进行手识别。使用链码的方法检测手势区域的轮廓，最后计算出从手势区域的质心到轮廓边界的距离。该系统可识别6种手势，平均识别率超过95%；6个人分别做每个手势的识别率平均达到90%-100%^[1]。印度研究者meenakshi panwar在视觉手势识别的基上提出了一种基于结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^[2]。chenglong yu等人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^[3]。ding youdong、pang haibo等人运用4改进的lbp法，利用adaboost分类器进行手势识别，建立了多种手势数据集，其中包活一些大角度变化的手势图像^[4]。实验表明该方法可较好地对手势特进行分割和分类。此外许多大型电子企业也将手识别研究列入其开发项目中，并且成果显著。2012年，三星出智能电视新品es8000，该款电视机将面部识别，手势识别和语言识别结合，无论是通过语音还是简单的手势，用户不仅可完成开关机、调节音量、换台等基本操作，还可实现上网浏览或关键字搜索等复杂功能。国内的手势识别研究主要集中在各大高校和研究院等。王凯等人提出了基于adaboost算法和光流匹配的实时手势识别方案,只需连接计机的摄像头读取二维手势视频片段便可对手势作出较为准确的识别。其中，采用adaboost算法遍历图像，完成静态手势的识别工作。而在动态手势的识别过程中，运用了光流法结合模板匹配的方法^[5]。达刻岩等人研究了基于“大小手“的徒手于势实时识别将双手划分成大手和小手，双手重叠按照一只手处理。应用背景差分法将背景去除，利用文中的大小手特征提取算法检测出手势，最终利用动态时间进行手势识别，该系统对17个常用手势试验识别率可达94.1%^[6]。

本选题拟采用图像处理和深度学习两种方法来实现手势识别，尽量克服手势变化时造成的多样性、多义性及时间和空间（复杂的背景、遮挡、光照条件等不相关的环境因素）上的差异干扰，减少图片的像素值后通过肤色检测检测手所在区域，将图像二值化，用边缘检测方法提取手势的边缘图像，依靠手势建模技术，来提高系统识别手势的正确率。该选题具有比较图像处理和深度学习两种方法实现手势识别优缺点的价值。

2. 研究的基本内容与方案

本次毕业设计的主要研究内容是通过图像处理和机器学习两种方法来实现手势识别，完成简单的人机交互，并对两种方法的优缺点进行比较，达到识别人体手势，并简易控制计算机的目的。

3. 研究计划与安排

第1-3周：查阅相关中、英文文献资料，明确研究内容。确定设计方案，完成开题报告；

4. 参考文献（12篇以上）

[1]林万洪.虚拟手交互中约束类物体操作研究[j].amsterdam：计算机工程与应用,2019(9):168-177.

[2]冯丽文.面向三维场景造型的徒手手势交互方法[j]．amsterdam：北京理工大学学报,2019(2):175-180.

[3]曾晓勤.基于深度神经网络的semg手势识别研究[j]. amsterdam：计算机工程与应用, 2019 (23): 117-119.