基于机器学习的手势识别技术研究

发布时间：2023-04-29 22:27

　　随着人工智能技术的迅速发展,智能化设备逐渐融入到人们生活的方方面面,因此对各类人机交互技术的需求也在不断地增加。手势是人们常用肢体语言之一,是一种自然直观、有效简洁的沟通方式。基于计算机视觉的手势识别逐渐成为人机交互的重要研究领域,是热门的研究课题之一。本文对基于机器学习的手势识别技术进行了深入的研究,主要工作如下:一、研究基于肤色的多手势图像精准分割算法:首先,分析了不同亮度下的肤色在不同颜色空间中的分布特性,通过结合在实际场景中的手势分割质量,从中选出了最合适的颜色空间用于建立肤色模型。其次,分析了多层次手部形状特征,研究了手部区域的最小绑定矩形(MBR)与最小面积绑定矩形(MABR),确定了手腕分割线,实现了对手臂冗余去除,为手势识别模型的建立奠定了基础。二、研究基于新型RF-Net模型的手势识别算法:首先,对RF-Net模型的架构进行了描述:在AlexNet模型的基础上加入了BN层、1*1卷积层、动态学习率等优化方法,提出了AlexNet_I模型,通过固定AlexNet_I模型除全连接层外的网络参数,用于对手势图像的特征提取,即RF-Ne...

【文章页数】：83 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第一章 绪论
    1.1 研究背景与意义
    1.2 手势识别问题概述
        1.2.1 基本概念
        1.2.2 发展历史
        1.2.3 基本步骤
        1.2.4 基本特点
    1.3 手势识别研究综述
        1.3.1 相关理论研究进展
        1.3.2 相关系统开发进展
    1.4 主要工作与内容安排
第二章 相关背景知识介绍
    2.1 机器学习概述
    2.2 随机森林
        2.2.1 决策树
        2.2.2 随机森林算法
    2.3 卷积神经网络
        2.3.1 卷积神经网络特点
        2.3.2 卷积神经网络结构
        2.3.3 经典卷积神经网络模型与优化方法
    2.4 本章小结
第三章 基于肤色的多手势图像精准分割算法
    3.1 引言
    3.2 手势图像预处理
    3.3 颜色空间分析
        3.3.1 常见的颜色空间
        3.3.2 不同颜色空间之间的转换
        3.3.3 肤色在不同颜色空间中的特性
        3.3.4 颜色空间的选择
    3.4 手势图像的最小面积外接矩形
        3.4.1 手势图像轮廓提取
        3.4.2 MBR
        3.4.3 非手势区域的排除准则
        3.4.4 MABR
    3.5 基于手部形状特征的手臂冗余去除方法
        3.5.1 多层次手部形状特征
        3.5.2 新型手腕分割线确定方法
    3.6 实验结果与分析
    3.7 本章小结
第四章 基于新型RF-Net模型的手势识别算法
    4.1 引言
    4.2 RF-Net架构描述
        4.2.1 卷积架构
        4.2.2 判决架构
    4.3 基于RF-Net模型的手势识别算法
    4.4 实验测试与验证
        4.4.1 手势数据集介绍
        4.4.2 性能测试
    4.5 本章小结
第五章 面向家居场景的手势识别控制系统
    5.1 需求分析
    5.2 系统架构
    5.3 系统实现
        5.3.1 手势数据集采集模块
        5.3.2 手势识别模块
    5.4 系统测试
    5.5 本章小结
第六章 总结与展望
    6.1 本文总结
    6.2 未来展望
参考文献
附录1 攻读硕士学位期间申请的专利
附录2 攻读硕士学位期间申请的软件著作权
附录3 攻读硕士学位期间参加的科研项目
致谢



本文编号：3805864