如何使用光流计算和DTW算法进行动态手势识别研究与实现论文

　　手势识别涉及图像处理、模式识别、计算机视觉、人工智能等多门学科，其研究的主要目的就是把手势应用到人机接口中，实现更加自然、和谐的人机交互。手势识别可用于虚拟现实、三维设计、临场感、可视化、医学研究、智能监控等领域，具有良好的社会和经济效益。

　　本文在分析手势图像序列各种特征的基础上，介绍了动态手势图像序列的光流特征及目前主要的光流计算方法。对Hom- Schunk光流算法、Lucas-Kanade光流算法及本文所采用的高斯金字塔光流算法进行了重点研究。通过对手势图像序列光流特征的提取及量化，建立了手势模型，并在此基础上训练生成了特定动态手势的公共模板库及在线识别索引序列库。最后，采用优化的DTW算法实现了特定动态手势的识别。

　　在光流算法的研究中，采用matlab 进行仿真实验，结果表明高斯金字塔光流算法可以得到更为精确的光流场。整个识别系统在Visual Studio. Net 2008结合OpenCV 1.0环境下，采用C#开发语言，编程实现了输入视频的预处理、高斯金字塔光流计算、DTW识别算法等。

　　实验结果表明，本文的特定动态手势识别系统能够较好地识别出四种特定的动态手势，平均辨识率达到了94.5%。

　　从手势识别的对象束看，目前手势识别系统又可分为动态手势识别系统和静态手势识别系统。其中，静态手势识别系统主要是利用手部做出的各种不同的手形作为不同的语义的表达，静态手势并不研究手部的运动轨迹，与正常的人机交五目标还有一定的差距。而动态手势识别系统通过跟踪整个手部做出的不同运动轨迹，把这些不同的运动轨迹看作不同的语义表达，来实现更符合人类习惯的人机对话。

　　静念手势识别由于不涉及图像时空序列的研究，因此，在对象分离和对象跟踪上相对简单。而动态手势识别需要解决手部分离、手部跟踪、手部运动轨迹的理解等-系列的问题，因此涉及的研究领城比较广泛，其中包括图像处理、模式识别、人工智能等多门学科。另外，动态手势识别还可以兼容和结合静态手势识别的结果，从而达到更加丰富的语义表达，能够更好地实现和谐人机交互。基于计算机视觉的动态手势识别技术正成为探索人机交互系统的关键技术之。