摘要：基于运动信息与肤色特征相结合的手势分割是目前最主流的手势分割方法,该类方法易受光照变化、背景变化、运动轨迹重合等因素的影响,并且所采用的肤色模型对不同肤色的手势不具有适应性。针对以上问题,提出了一种先检测手势再自适应分割手势的方法。首先设计了一种基于空洞卷积的主干网络和一套Anchor方案将SSD(single shot multi-box detector)改进为手势检测模型,通过该模型初步分割出手势ROI(region of interest)以避免类肤色背景的影响。然后根据手势ROI建立YCrCb高斯肤色模型,以使肤色模型对不同的手势肤色具有很好的适应能力。实验结果表明,在多种复杂场景下,本文的手势分割算法能够避免类肤色背景的影响并且对不同肤色的手势都取得了非常好的分割效果。

摘要：为解决复杂背景的手势分割问题,提出一种基于融合皮肤检测的卷积姿势机手势分割方法。通过两个CNN网络得到训练的手势分割部分和皮肤分割部分,通过最后一阶段的CNN网络输出最终的手势分割图像,皮肤分割的准确性对最终分割图像起辅助作用,其中核心部分即手势分割部分采用卷积姿势机网络,并运用中间监督的思想将皮肤信息融合。该网络将手势轮廓和经皮肤提取的手势细节结合,分别对轮廓、皮肤、融合3个子网络进行训练,结果对比提取手势的其它方法,验证了该方法的有效性。

摘要：针对深度图像静态手势识别问题,提出一种基于深度图像手势分割及HOG-SVM手势识别方法。该方法的具体做法包含以下四个步骤:第一步,对深度图像进行手势分割,对随机方向的手臂图像通过椭圆拟合算法计算其倾斜角度,并将其校正至垂直方向;第二步,对手臂图像进行距离变换,通过分析距离变换返回的距离矩阵精确定位手掌心、手腕及手臂在图像中的坐标;第三步,计算、优化手势图像的HOG特征;第四步,实时采集大量训练样本并获取其训练矩阵,对训练矩阵进行处理找到最优的SVM参数,使响应曲线的可区分度达到最佳以提高手势识别率。实验证明,所设计的系统在保证实时性、鲁棒性的同时也获得了很高的识别率。

摘要：为了改进基于肤色模型的手势分割算法存在着大面积类肤色区域噪声较大、手上的装饰物会严重影响分割效果的问题,文中通过将帧间对比算法与基于肤色模型的手势分割相结合的方法消除大面积类肤色区域形成的大型白斑,同时通过用对比行与列的灰度变换次数最大参考量的大小关系判断手指朝向,进而使用形态学操作对手指装饰物形成的黑色区域进行填补。实验表明,该方法对类肤色噪声成功分割率在98%以上,对于手指部分存在遮挡的情况,针对各个手型2至手型5的各个方向,填补成功率均超过90%。

摘要：手势识别是人机交互中极为重要的一项技术,具有较高的理论和实践探究价值。但由于手势所处背景的复杂性、个体的差异性等原因,手势识别成为一个富有挑战性的课题。因此迫切需要设计一种高效准确的手势识别算法,用以对目标手势进行有效的检测和识别。文中提出了一种改进的手势分割和手势特征提取方法,利用SVM分类器构建手势模型,对手势进行分类识别。在YCrCb颜色空间的基础上,融合OTSU阈值处理法选取阈值分割手势,提高分割的准确度;在边缘检测的基础上,使用椭圆傅里叶描述子拟合边缘,提取手势特征。实验结果表明,运用上述算法所建立的系统能够十分高效地提取手势特征信息,且在简单背景下对13种常见手势的平均识别准确率达到89.96%,能够基本满足对手势识别的精确度和稳定性的要求。

摘要：为实现复杂背景下的手势识别,根据手势图像的区域形状特征提出一种基于手势空间分布特征的手势识别算法.利用复杂背景下基于亮度高斯模型的手势分割算法分割出肤色区域,利用"搜索窗口"筛选当前肤色区域实现手势定位,并提取包括空间相对密度特征和指节相对间距特征的手势空间分布特征,最后综合手势的2个手势特征向量计算总的相似性来识别手势.通过引入随机采样机制提高识别速度,并引入搜索窗口机制实现肤色干扰时的手势识别.实验结果表明,在环境光照相对稳定的条件下,文中算法能够实现鲁棒的实时手势识别,且具有很好的旋转、平移、缩放不变性,对于差异较大的手势识别率高达98%.

摘要：人机交互是增强现实乃至虚拟现实领域研究的热点课题之一。沉浸与交互是增强现实的关键要素,通过视觉手势交互可以为用户提供更逼真的互动体验,可实现虚拟物体的移动、旋转等操作。基于视觉的手势跟踪识别近年来快速发展,手势交互可以应用在增强现实类游戏、智能家居、医疗辅助行业。本文首先对当前手势交互方案进行阐述,比较了手势追踪各方案的优缺点,然后介绍了手势追踪识别的步骤以及相应算法,包括MediaPipe与MMPose开源手势识别算法,最后基于Unity3D射线检测、动画以及相应开源手势算法进行了增强现实手势接口的设计,从而实现了增强现实手势交互系统。

摘要：采用隐马尔可夫模型(Hidden Markov Model)训练并识别手势样本,针对HMM的经典训练算法Baum-Welch算法的缺点,采用纠错算法对其修正,提高了识别率。将识别结果应用于“基于Internet远程机器人控制”项目,达到了对机器人控制的目的,优化了人机交互的接口。

摘要：为实现特定环境下动态手势更为准确的识别,提出一种桌面环境下的自然人机交互的常见动态手势识别方法,包括"去"、"拿"、"移"、"放"、"回"、"这"等多种自然交互手势。预处理每帧图像,结合高斯建模以及HSV肤色建模分割出手势,融合多帧图像的时序信息及空间信息,构造动态手势时空特征影像,基于卷积神经网络对特征影像进行训练与分类,基于统计分析对分类结果进行优化,实现对不同手势动作良好稳定的识别与分类。实验结果表明,该算法对桌面环境下上述常见动态手势有着良好稳定的识别和分类能力。

摘要：起重机工作环境嘈杂,指挥员的吊运手势在作业现场发挥着重要的作用,设计一个自动化吊运手势识别系统非常必要。以深度学习算法中卷积神经网络为基础方法,构建由静态手势模块和动态手势模块组成的复合神经网络模型,提取吊运手势的特征,最后对特征进行组合并识别。实验结果表明,该系统能够有效地识别吊运手势。