資源描述：
《基于camshift 和時序模板軌跡的動態(tài)手勢跟蹤與識別》由會員上傳分享，免費在線閱讀，更多相關內容在教育資源-天天文庫。
1、基于Camshift和時序模板軌跡的動態(tài)手勢跟蹤與識別基金項目:國家自然科學基金項目（0641010）劉云1，孫玉2，劉繼超3青島科技大學信息科學技術學院2660611Lyun-1027@163.com，2syjiayou@163.com，3ily156401@163.com摘要：新一代的人機交互中，手勢交互成為重要的組成部分。本文介紹一種動態(tài)手勢跟蹤和識別的系統(tǒng)：首先利用改進的Camshift算法對人手實時跟蹤，再把時空軌跡分析與時序模板結合，使用時序模板軌跡把手勢運動的時空軌跡壓縮到一幅圖像中，用Hu矩提取時序模板軌跡
2、的形狀特征，作為支持向量機分類的訓練數據實現(xiàn)動態(tài)手勢的識別。該系統(tǒng)具有較好的魯棒性和實時性,與傳統(tǒng)的時序模板方法相比識別率有了較大提高。關鍵詞：動態(tài)手勢識別、Camshift算法、時序模板軌跡、支持向量機TheAlgorithmofDynamicGesturesTrackingandRecognitionbasedonCamshiftandTemporalTemplateLiuYun1,SunYu2,LiuJichao3QingdaoUniversityofScienceandTechnology2660611Lyun-1
3、027@163.com,2syjiayou@163.com,3ily156401@163.comAbstract:HandgesturerecognitionplaysanimportantroleinHuman-ComputerInteractionsystem.Weproposedanewsystemfordynamichandtrackingandrecognition.First,theimprovedCamshiftalgorithmisusedinthehandtracking,thentemporaltemp
4、latecollapsethetrackedhandmotiontrajectoryintostaticimage.Finally,weuseasupportvectormachineclassifierbasedonthestatisticalshapeanalysisoftemporaltemplatetorecognizethepredefinedsevendynamicgestures.Temporaltemplatebasedtrajectoryhavebetterseparateabilitythantradi
5、tionaltemporaltemplatesfordynamicgestures.Keywords:Handgesturerecognition,Temporaltemplatebasedtrajectory,Camshift,Supportvectormachine1????????引言整個社會的計算機化為我們帶來一種新的交互方式-人機交互（Human-ComputerInteraction)。目前，手勢識別技術的研究已成為當今計算機視覺領域、模式識別領域的一個重要研究方向。不僅手的靜態(tài)姿勢有豐富含義，手的運動也傳遞了
6、大量的信息。手的運動是人們常見的傳遞信息方式。因此，有必要對動態(tài)手勢做分析識別。但是因為手的變形復雜，以及動態(tài)手勢分割的不確定性和時空變化性，使動態(tài)手勢識別比靜態(tài)手勢識別復雜得多。物體跟蹤(ObjectTracking)是計算機視覺領域中的經典問題，是視覺手勢識別中重要而關鍵的步驟。粒子濾波(ParticleFiltering)[1]是目前計算機視覺領域應用比較成功的跟蹤方法。粒子濾波因為采樣惡化和采樣枯竭問題，導致計算量大很難用于實時跟蹤。Bobick[2]提出使用時序模板(TemporalTemplates)來表示和識
7、別人的動作。時序模板包括運動歷史圖象MHI(MotionHistoryImage)和運動能量圖像MEI(MotionEnergyImage)，但這種方法的平均識別率較低。2???????手勢跟蹤本系統(tǒng)在CamShift（ContinuouslyAdaptiveMeanShift）算法的基礎上做了一定的改進來實現(xiàn)手勢跟蹤。CamShift算法就是將MeanShift算法[3]擴展到連續(xù)的視頻序列，它的基本思想是對視頻圖像的每一幀作MeanShift運算，并將上一幀的結果（即跟蹤窗口的中心和大?。┳鳛橄乱粠琈eanShift算
8、法的跟蹤窗口的初始值。首先，要計算被跟蹤目標的色彩直方圖。我們選擇HSI空間[4]，因為其中的H分量可以獨立的表示各種顏色信息。在具體計算中，首先將RGB色彩空間轉化到HSI空間，獲得H分量,并計算它的1D直方圖。這里我們把H分量的數值量化到[0,255].如圖1所示。在圖1(b)中，人手部和背景之間的
