[毕业设计] 基于多视角视频采集与分析的智能鼠标算法研究—手势特征识别 [复制链接]

资料简介：

毕业设计-基于多视角视频采集与分析的智能鼠标算法研究—手势特征识别，共49页，19659字，附开题报告等

主要内容

 本课题中的目标检测与分割的目的是将手部图像与背景分割，基于基本特

征实现手势目标的静态图像分割，在此基础上进一步研究的运动情况下的目标

检测，为后期的运动跟踪和手势语义识别提供良好的基础。具体研究内容为：

1. YCbCr颜色空间

由于YCbCr颜色空间好的聚类性，YCbCr色彩格式的计算过程和空间坐标

表示形式比较简单。YCbCr颜色空间具有和人的视觉感知一致性，并且肤色聚

类效果好及亮度和色度相互独立的特点。

2. Mean Shift算法

 Mean Shift算法是一种有效的统计迭代算法，是有Fukunaga在1975年首先提

出的。直到1995年，Cheng改进了算法中的核函数和权重函数才扩大了该算法的

适用范围。

基于Mean Shift算法的图像分割是一种基于区域的分割方法，这种方法跟人

眼对图像的分析特点极其相近，并且具有很强的适应性和鲁棒性。它对彩色和

灰度图像采取同样的算法，对图像的平滑区域和纹理区域并不敏感，所以能够

得到很好地分割结果。

3. 针对具体的研究目标提出有效的检测分割方法

希望能够对经典算法进行实现，通过对Ycbcr色彩空间和Mean Shift算法的研

究与分析，能够得到较好目标检测与分割的效果。

4. 完成目标检测算法的程序实现和测试

在任务模块完成的基础上与小组成员的其他部分相结合，实现一个有关多

视角视频采集与分析的智能鼠标的较为完整的系统软件，完成毕业设计论文。

摘要

随着现今信息技术的发展, 人们开始要求计算机能够更有效地感知诸如声音、文字、图像等非结构化的信息资料。着眼于拓宽计算机的应用领域, 提高其感知外部环境信息能力的学科———模式识别，得到迅速发展。由于视觉在人们感知世界中扮演着极其重要的作用，模式识别在计算机视觉中的应用一直是模式识别领域的重要研究方向。近10年来，随着计算机的运算水平大幅提高，二维数据（图像）的处理能力不再成为限制因素，模式识别在图像、视频识别方面的应用受到了学术及工业界的格外重视。人们着眼于建立能够从图像或者多维非结构化数据中获取有效‘信息’的人工智能系统。

具体到课题而言，手势识别拥有着广阔的的应用前景。因其可以使人们摆脱对于鼠标甚至语言的依赖，成为未来人机交互手段中重要的组成部分。因手在移动中有着复杂的非刚性形变和遮挡情况，如何得到有区分度的特征有着很强的研究意义。与传统基于单视角手势识别不同的是，在本课题中，我们尝试采用基于多视角的手势识别。其重点在于利用不同特征集合、拍摄视角之间的联系构建新的特征，使其拥有比单视角特征更好的分类性能。

本论文所做的主要工作有以下几项：

第一，利用Microsoft Kinect对手势图片进行采集，并利用深度图象对手部区域进行图象分割。

第二，结合特征选择及降维方法对超过十余种视觉特征进行筛选与评估，提出了基于主成分分析与鉴别分析结合的特征降维方法并通过实验验证。

第三，分析并实现了目前比较流行的基于关联分析的多视融合方法及其4种改进方法，并对其在多特征融合中的表现进行评估。提出了一个适用于特定应用环境的手势识别的视区划分模型，并在此基础上利用关联分析对多视角特征融合进行实验探究。讨论了关联分析在多视角特征融合的适用范围。

关键词：手势识别；Kinect；特征选择；关联分析；多视特征融合

目录

第一章 绪论 - 6 -

1.1 引言 - 6 -

1.2 研究意义和课题背景 - 6 -

1.2.1 研究意义 - 6 -

1.2.2 课题背景和相关概念 - 6 -

1.3 手势识别的发展现状 - 7 -

1.4 论文的主要工作和组织结构 - 8 -

1.4.1 论文的主要工作 - 8 -

1.4.2 论文的组织结构 - 8 -

第二章 手势图像的RGB和深度特征的提取 - 10 -

2.1手部图像的分割 - 10 -

2.2手的特征检测 - 11 -

2.3手的特征描述 - 12 -

2.3.1同心圆描述子 - 12 -

2.3.2 全手描述 - 13 -

第三章  手势特征分类中使用的分类器和数据集 - 17 -

3.1最近邻分类器 - 17 -

3.2支持向量机 - 17 -

3.2.1支持向量机理论 - 17 -

3.2.2 径向基核函数 - 19 -

1. 径向基函数 - 19 -

3.3 手势识别数据集 - 20 -

第四章  手势特征的选择与QCQP优化问题的求解 - 21 -

4.1手势特征选择 - 21 -

4.1.1特征种类筛选 - 22 -

4.1.2 特征选择结果及评估 - 22 -

4.2 特征向量降维 - 24 -

4.2.1 特征元素筛选 - 24 -

4.2.2 主成分分析 - 26 -

4.2.3 特征降维结果评估 - 27 -

4.3  QCQP优化问题的广义特征值方程解析解 - 29 -

第五章 基于多视角的手部特征融合 - 31 -

5.1 关联分析与隐空间投影 - 31 -

5.2多特征融合思想与评估验证 - 35 -

5.3多视角融合思想与评估验证 - 39 -

第六章 总结与设想 - 45 -

致谢 - 46 -

项目支持与阶段性成果 - 46 -

参考文献 - 47 -

论文的主要工作和组织结构

1.4.1 论文的主要工作

论文的研究工作主要包含以下几个方面：

重点分析了图像特征选择及融合的基本理论并实现。

应用经典的特征提取及机器学习算法解决实际问题。

将多视特征融合理论与实际问题结合，进行试验，提出独特融合方法。

应用MATLAB编程实现，完成上述工作，并进行结果比较。

 1.4.2 论文的组织结构

第一章 讨论了选题的背景和模式识别领域中手势识别的发展现状，明确了论文的研究内容和方向。

第二章 研究了基于RGB和深度图象的提取特征提取方法。

第三章 介绍了本实验中使用的两种经典的机器学习算法。

第四章 分析了对手势特征选择、降维的方法，提出了一种结合成分分析与鉴别分析的特征降维方法，并进行实验评估。

第五章 介绍了现阶段基于关联分析的多视特征融合的主要方法，并将其与多视手势识别的具体问题结合进行了实验分析，并对其适用范围进行了讨论。

第六章  总结全文，提出今后设想。

第七章　介绍了项目的产出与阶段性成果。

资料文件预览：
共2文件夹，6个文件，文件总大小：2.38MB，压缩后大小：1.87MB

• 毕业设计-基于多视角视频采集与分析的智能鼠标算法研究—手势特征识别
• 1091000177
• 1091000177-吴宇航.doc  [2.36MB]
• 1091000177_中期检查表.pdf  [4.37KB]
• 1091000177_开题报告.pdf  [5.81KB]
• 1091000177_成绩单.pdf  [2.56KB]
• 1091000177_答辩记录单.pdf  [2.45KB]
• 1091000177_进度报告.pdf  [11.90KB]