1. 研究目的与意义
最初的手势识别研究主要集中在做一种专用硬件设备来进行输入。例如数据手套,即人可以戴上一个类似于手套的传感器,计算机通过它可以获取手的位置、手指的伸展状况等丰富信息。例如cmu的christopher lee和xu在1995年完成了一个操纵机器人的手势控制系统。之后人们又致力于标记手势的研究,即通过在手上作标记。例如j. davis和m. shah将戴上指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7种手势。
嵌入式视觉，是基于计算机的视觉系统的演变和推断，有处理和解释静态和视频图像的意义，有望成为下一个重大技术成功案例。例如，考虑现在常见于蜂窝电话，平板电脑，膝上型计算机和专用计算机显示器中的图像传感器和处理器。最初用于视频会议和摄影，现在它们被用于其他应用，例如增强现实。
同样，考虑消费者监控系统的迅速普及，由于摄像机及其子系统的稳步改进，以及日益用户友好的相关监控软件和服务的推动。此外，最近购买汽车的人已经知道，图像传感器在车辆周围的许多地方越来越多地被发现，用于停车辅助，后视安全，即将发生的碰撞警报，车道偏离警告和其他功能。
2. 研究内容和预期目标
| 手势分割。手势分割是手势识别过程中关键的一步，手势分割的效果直接影响到下一步手势分析及最终的手势识别。目前最常用的手势分割法主要包括基于单目视觉的手势分割和基于立体视觉的手势分割。 单目视觉是利用一个图像采集设备获得手势，得到手势的平面模型 。建立手势形状数据库的方法是将能够考虑的所有手势建立起来，利于手势的模版匹配，但其计算量随之增加，不利于系统的快速识别。 手势分析。手势分析是完成手势识别系统的关键技术之一。通过手势分析，可获得手势的形状特征或运动轨迹。手势的形状和运动轨迹是动态手势识别中的重要特征，与手势所表达意义有直接的关系。手势分析的主要方法有以下几类: 边缘轮廓提取法、质心手指等多特征结合法以及指关节式跟踪法等。 边缘轮廓提取法是手势分析常用的方法之一，手型因其特有的外形而与其他物体区分；采用结合几何矩和边缘检测的手势识别算法，通过设定两个特征的权重来计算图像间的距离，实现对字母手势的识别。 手势识别。手势识别是将模型参数空间里的轨迹(或点) 分类到该空间里某个子集的过程，其包括静态手势识别和动态手势识别，动态手势识别最终可转化为静态手势识别。从手势识别的技术实现来看，常见手势识别方法主要有: 模板匹配法神经网络法和隐马尔可夫模型法。 模板匹配法是将手势的动作看成是一个由静态手势图像所组成的序列，然后将待识别的手势模板序列与已知的手势模板序列进行比较，从而识别出手势。 毕业设计需要达到如下技术指标为： 1、系统重建速度：10秒 2、图像分辨率：640*480 3、重建精度：5厘米（5米内）
|
3. 研究的方法与步骤
本课题的主要研究工作就是运用基于模板匹配的方法，通过对大量手势样本的学习得到的手势模板，通过计算二者的相似度来完成匹配过程。
其关键技术主要包括相互对应的模板匹配算法(templatematching),还包括对时间、空间进行规整后的模板匹配算法,如动态时空规整算法和动态规划算法。
首先需要掌握数字图像处理的基本原理以及基本的图像处理算法，如：色彩空间转换、图像滤波预处理、图像平面几何矫正、图像块匹配计算方法等。
4. 参考文献
[1]daniel scharstein，richard szeliski. a taxonomy and evaluation of dense two-frame stereo correspondence algorithms
[2]刘会民 .基于双目视觉的移动机器人目标跟踪技术
[3]曹之乐，严中红，王洪 .双目立体视觉匹配技术综述
5. 计划与进度安排
2022-3-5～2022-3-11 查阅资料，分析实施方案；
2022-3-12～2022-3-31 完成视觉系统的标定；
2022-4-1～2022-4-30 完成图像匹配算法实现和手势检测；
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
