静态手势数字的识别

静态手势数字的识别(开题报告,论文13000字)
摘要
现在人们越来越关注计算机视觉技术，手势是人们相互传达信息的常用方法，所以识别手势图像的相关研究有很重要的意义。
本文主要研究静态手势数字的识别方法，并根据研究结果实现一套完整的静态手势数字识别方案。该识别方案主要含有以下几个步骤：图像预处理，图像特征的提取，识别具体的手势意义。其中第一步主要是为了提取出手势区域，减少后续处理的数据量 ,并尽可能降低不利因素，使后续的特征提取与识别的效率尽可能高。静态手势的特征提取本文提取待识别手势的SIFT特征，并与标准手势数字比较，给出识别结果。
本文在Matlab中进行程序的编写与测试。测试图像是采用了不同人在不同的环境下拍摄的相关图像，结果表明，有较好的效果。
关键词：手势数字 预处理 SIFT特征提取

Recognition of static gesture digits
Abstract
Nowadays, people pay more and more attention to computer vision technology. Gesture is the common method for people to communicate information with each other, so it is very important to recognize the related research of gesture images.
This paper mainly studies the method of static gesture recognition, and implements a complete set of static gesture digital recognition scheme according to the research results. The identification scheme mainly contains the following steps: image preprocessing, image feature extraction, and recognition of the specific gesture meaning. The first step is to extract the gesture area, reduce the amount of data after processing, and reduce the disadvantage as much as possible, so that the subsequent feature extraction and recognition efficiency is as high as possible. Static gesture feature extraction, this paper extracts the SIFT feature of the gesture to be recognized, and compares it with the standard gesture number, and gives the recognition results.
In this paper, the program is written and tested in Matlab. The test images are taken by different people in different environments, and the results show that it has good effect.
Keywords: Hand Hesture, Digital Preprocessing, SIFT, Feature Extractiong

目录
摘要 I
Abstract II
第一章 绪论 1
1.1手势识别的背景及意义 1
1.2手势识别研究现状 1
1.3本文的主要工作及结构 2
第二章 静态手势识别基础 3
2.1 静态手势 3
2.1.1静态手势的定义 3
2.1.2 静态手势的模型 4
2.2 静态手势识别的基本流程 4
2.3静态手势识别的难点 5
第三章 静态手势图像的预处理 7
3.1 静态手势图像的采集和图像库的建立 7
3.2 肤色分割 7
3.2.1 色彩空间模型 7
3.2.2 肤色模型的建立 9
3.2.3 肤色分割 11
3.3 噪声的处理 13
3.3.1 平滑去噪 13
3.3.2 形态学操作 13
3.4 手势区域分割 14
第四章 静态手势图的特征提取 17
4.1 静态手势的特征 17
4.1.1 统计特征 17
4.1.2 形状特征 17
4.1.3 结构特征 18
4.1.4 手指个数特征提取 18
4.1.5 本文选取的特征 19
4.2 SIFT特征 19
4.2.1 尺度空间生成 20
4.2.2 尺度空间极值点计算 21
4.2.3 极值点精确定位 22
4.2.4 特征点的方向分配 23
4.2.5 sift特征点描述子生成 24
第五章 手势数字的识别 25
5.1 常见的手势识别算法 25
5.2 基于SIFT特征的数字识别 25
5.2.1 开发工具 25
5.2.2 识别过程 26
5.3 实验结果及分析 27
第六章 总结及展望 31
6.1 总结 31
6.2 展望 32
参考文献 33
致谢 35