论文一种基于肤色特征提取的手势检测识别方法是大学硕士与本科手势毕业论文开题报告范文和相关优秀学术职称论文参考文献资料下载，关于免费教你怎么写手势方面论文范文。
摘 要： 针对手势识别的准确率和识别速度等问题,提出一种基于肤色特征提取的手势检测识别方法.采用OpenCV自有的Haar分类器自动提取面部区域并建立肤色模型,再以肤色模型检测肤色点集合,去除与面部区域重合点集获得手部轮廓,通过综合计算掌心位置,手掌轮廓凸包和凸性缺陷实现手势识别.经验证,该方法能够稳定地定位手掌区域,识别准确度高并能够在保证识别率的基础上实现对手势的快速识别.
关键词： Haar特征； 肤色模型； OpenCV； 凸性缺陷； 手势识别
中图分类号： TN911.23?34； TP391.4 文献标识码： A 文章编号： 1004?373X（2017）18?0085?04
Research on hand gesture detection and recognition method based on
skin color feature extraction
FAN Wenbing, ZHU Lianjie
（School of Information Engineering, Zhengzhou University, Zhengzhou 450001, China）
Abstract： Aiming at the low recognition accuracy and slow recognition speed for hand gesture, a hand gesture detection and recognition method based on skin color feature extraction is proposed. The Haar classifier owned by OpenCV itself is used to extract face regions automatically and establish skin color model； and the skin color model is adopted to detect the point sets of skin color, in which the point set overlapped with face area is removed to acquire the hand contour； then the location of palm center is calculated comprehensively to detect the convex hull and convexity defect of palm contour to recognize the hand gesture. The verification results show that the method can locate the palm area accurately and realize fast recognition for hand gesture while ensuring the recognition rate, and its recognition accuracy is high.
Keywords： Haar?like feature； skin color model； OpenCV； convexity defect； hand gesture recognition
0 引 言
基于生物特征的身份认证方法和系统的研究一向都是图像识别技术和模式识别领域的研究热点[1?2],手势图像识别在人机交互中的应用越来越广泛,出现了各种各样的识别方法.手势作为人机交互（Human Computer Interaction,HCI）接口的一种,具有以人为中心,简单、高效、人性化的特点,是目前智能识别领域人机交互的重要手段之一.常见识别方法有很多,Zhu等人利用肤色、运动数据结合手势边框实现了对多种定义手形的识别.Fang等人通过肤色和运动数据对手势进行分割,再利用手部区域空间尺度及宽高比来识别手势.Rautaray等人检测手势部分采用LK光流法,K最近邻算法实现手势识别.Brethes等人使用分水岭算法,手势的分割采用肤色信息,再将颜色块信息与形状信息相结合来进行手势识别.Li等人提出的WEGM算法识别率高达97.08%.Hsieh,Song等人选取不同手部特征进行训练,训练出的分类器用来对不同手势进行识别,准确率分别达到94%,75%.此外,手势检测识别的研究方法还有利用深度图信息、GMM建模等来对手势区域进行分割,再通过骨架数据、熵数据、3D建模等方式来实现手势的识别[3?5].
上述方法都有各自独特的优势,例如,识别准确率高、可识别手势种类多等,但在人机交互场景中的应用不够完善.用于人机交互的手势识别系统,不仅需要较高的识别准确率,还对实时性与系统的鲁棒性有严格要求.手形的提取主要是为了将手掌从庞大背景中提取出来,由于背景复杂,采用灰度图像二值化的方法无法取得好的效果.虽然采用颜色手套的解决方案能取得较好效果,但测试设备复杂、过程繁琐.因此,本文提出了一种Haar模型结合肤色特征来提取手掌轮廓的方式.实验测试表明,该方法在通常情况下可取得理想效果,具有较高的实用性和准确性.
1 手势识别系统框架
实验提出一种基于肤色特征提取的手势检测识别系统,如图1所示.系统获取到视频流输入后,首先基于Haar?like特征识别面部区域,遍历面部区域的所有像素提取肤色信息并据此建立肤色模型,再依据肤色模型检测手部区域.去除面部区域和背景噪声的干扰后,即可进行静态手势的识别.其中,多边形凸包集主要绘制手势；多边形凸性缺陷集主要绘制凹陷点；待与凹陷点绘制完成后,进入手势形态识别,最后输出结果.
总结:该文是关于手势论文范文，为你的论文写作提供相关论文资料参考。
参考文献：
1、 ArcGIS环境下基于DEM的流域特征提取 摘要：在通视分析、水系网络分析、土方计算等领域中都广泛应用了MED分析，当前常用的工具并且是全面的流域分析工具之一的就是ArcGIS的水文分析模。
2、 基于FRFT—KPCA模拟电路非线性故障特征提取 摘要：针对模拟电路受非线性及元件容差影响而导致响应信号在时域和频域都出现耦合，造成故障特征提取困难的问题，结合分数阶傅里叶变换和核主成分分析理论。
3、 信号有效奇异值的数量规律与其在特征提取中的应用 摘要： 针对信号的有效奇异值选择问题，发现了有效奇异值和信号频率个数之间存在重要联系，研究结果表明有效奇异值数量由信号中的频率个数决定，而与频率。
4、 实时网络流特征提取系统设计 摘要：针对包采样技术在高速网络环境中提取流特征准确率低的问题，利用NetFPGA运行速度快，并行处理能力强的优势，实现了一个实时网络流特征提取系。
5、 一种求实部或虚部已知函数方法 ［文献标识码］ A ［文章编号］1008-4738(2012)03-0104-03定义（复变函数）：设G是一个复数z=x+iy的集合。如果有一。
6、 图像纹理检测和特征提取技术综述 [摘 要] 图像纹理作为图像数据的重要信息，是符合人类视觉特征的重要信息之一。纹理检测与特征提取是纹理分类与分割的基础前提，可以应用到医疗、工业。