基于深度图像的实时手势识别方法

为解决设备交互不便、光照变化对识别效果影响较大等问题,提出一种基于深度图像的手势识别方法。利用Ostu分割法将手部区域分割出来并对手形进行提取,得到轮廓、掌心、指尖等手部形态特征。在此基础上,提取手势特征,如手指间角度、是否存在凸包点、手指是否弯曲等,检测并实时识别10种数字手势。实验结果表明,该方法可在复杂背景、肤色干扰等变化条件下快速准确识别各种数字手势,识别率较高,具有良好的实时性和鲁棒性。

基于超像素的手势识别算法

针对基于视觉的手势识别技术对环境要求较高和计算量大的问题,探讨一种基于超像素的手势识别算法。根据手势图像的特点把手部区域分割出来,利用SLIC算法获得手部区域的超像素表示,进行超像素的规范化和有序化处理,采用动态规整算法实现不同手势的识别。实验结果表明,该方法能够在复杂背景、肤色干扰等变化条件下获得较高的识别率和计算效率,具有很好的抗干扰性和稳定性。