4.手势识别与支持向量机 18
4.1手势图像识别 18
4.1.1模式识别与图像识别 18
4.1.2 手势图像识别的过程 18
4.1.3 图像识别的方法 19
4.1.4 图像识别中训练/学习方法 19
4.1.5图像识别中过度拟合/不充分拟合问题 20
4.2支持向量机 20
4.2.1 SVM的分类思想 21
4.2.2 SVM线性可分情况下 23
4.2.3 SVM线性不可分/非线性可分 27
4.2.4 SVM中的核函数（Kernel） 28
4.2.5 多类问题下的SVM 30
4.3本章小结 30
5.手势识别系统的实现 32
5.1 手势识别系统构成与基本流程 32
5.1.1 模块构成 32
5.1.2 流程图 33
5.2手势样本数据库的建立 33
5.3 手势的HOG特征提取 35
5.4 手势分类器训练与预测 38
5.5 手势识别的应用 39
5.5.1手语识别 39
5.5.2 手势操作PPT 40
5.6本章小结 41
6 结论和展望 42
6.1 结论 42
6.2 展望 42
7 致谢 43
8 参考文献 44
1. 绪论
1.1 课题的目的和意义
在我们生活中，聋哑人作为一个特殊的残疾人群体存在着，他们生活在一个无声的世界中。根据中国残疾人联合会在二十世纪初的统计显示，我国有听力语言残疾人1770多万人，其中18岁以下聋哑人约有182万。如果加上综合残疾中的听力语言残疾人，达2290多万人，是残疾人这一群体中人数最多的一类。并且，我国听力语言残疾人的文化程度较低，听力语言残疾人的文化程度低于全国残疾人的平均水平。
语言的沟通在普通人日常的生活中占有重要地位，而对于聋哑人士而言，手势，特别是手语则是他们信息交流的一种重要方式。但是当普通人和聋哑人直接进行交流时则会因为彼此使用不同的交流方式产生沟通上的障碍。在人机交互(Human-Computer Interaction, HCI)的发展历程中,基于键盘输入和字符文本输出及基于鼠标输入和图形窗口显示是计算机与人的主要交互方式。在某些情况下,尤其是文化程度较低的聋哑人对于这些应用操作更是产生诸多不便甚至无法适用。
手势识别系统具有重要的应用前景。在新闻节目中的新闻播报（如图1.1-1）作为聋哑人与普通人之间沟通的媒介：手势识别可以帮助聋哑人和普通人的沟通交流, 采用手势识别系统后，将聋哑人所要表述的信息通过文字或者语音的方式传递给普通人，充当手语翻译，则可以消除交流之间的媒介鸿沟。结合语音识别技术,将语音显示成手语手势,从而形成一个双向的手语交流系统。 在教育领域,手势识别则可以让聋哑学生像一般学生那样接受良好的教育,获取更好的学习资源,不再有交流障碍,从而促进他们的全面健康成长成就自己的未来。甚至在人类语言的机理的研究上都可以有较大帮助,从而促使使计算机对于图像的智能发展有重要作用。
1.2 国内外研究现状与水平
1.2.1国外手势识别研究现状
1.3 文献查阅、调研情况
通过网络调查，图书馆资源检索得知我国的周航，阮秋琦在2007年采用基于 ROI分割和相干映射的技术裸手字母手势识别。该算法结合改进的差分法提出了实用的手部约束条件，从每帧图像中提取手部图像，确定感兴趣区域（ROI，region of interesting） ，得到较为满意的手部分割结果，再对手部图像特征进行深入分析和提取，利用改进的相干映射算法（VCM，vector coherence mapping）进行跟踪，针对手的运动增加了约束，保证了算法的鲁棒性。在这个基础上，提出了时间相关的运动预测模型，满足了实时性的要求，保证前后分析结果的一致性。实验结果证明，在不同光照和复杂背景下系统有最高达99%的识别率，与已有的系统相比，性能显著提高。何力，傅忠谦，顾理三位人员则采用一种基于最大似然Hausdorff距离的手势识别算法。他们针对字母手势的检测和跟踪问题，提出一种基于最大似然准则Hausdorff距离的手势识别算法。该算法首先对字母手势图像进行二值化处理，并由字母手势图像的边缘信息中提取字母手势的关键点(指根和指尖)；然后采用基于最大似然准则的Hausdorff距离对手势进行识别，搜索策略采用类似于Rucklidge提出的多分辨率搜索方法，在不影响成功率和目标定位精度的情况下，可以显著地缩短搜索时间。实验结果表明此方法可以较好地识别字母手势，同时对部分变形(旋转和缩放)手势也有良好的效果。刘玉进，蔡勇，武汇岳，张凤军，戴国忠在09年采用一种肤色干扰下的变形手势跟踪方法。根据跟踪过程中所用到的基本手势特征，提出了一种基于PGH（成对几何直方图）的静态手势识别方法。为了解决跟踪过程中的肤色干扰问题，实现了基于 Kalman 滤波器的手势预测跟踪。为了解决跟踪过程中的初始化问题，提出了一种基于层次结构的跟踪初始化解决方案。另外还有一种基于历史的动态手势识别。该方案是当前手势识别的主流,我们采用基于历史的手势表示方法,用皮肤历史图像建立手势表观模型,然后用原型模板匹配的方法进行手势识别,并使用切线距离来进行测试样本与模板之间的相似性度量,以消除视觉敏感问题.实验结果表明,该方法显著地提高了识别准确率。综上所述，在本课题中综合采用光照不变性较好的一种模型即方向梯度直方图特征。同时利用支持向量机的分类方法来完成。 手势识别系统的设计与实现(2):http://www.youerw.com/jisuanji/lunwen_31567.html