基于自适应模板半径的形状上下文描述子在手势识别上的应用

提出了一种基于自适应模板半径的形状上下文描述子描述图像轮廓特征的手势动作模式识别方法,并探讨了这种方法在基于视觉的汉语字母手势识别中的应用。其中,在计算手势轮廓各点的形状上下文时,提出了一种距离直方图方法求取自适应的模板半径的方法,并以χ2统计量计算各轮廓点之间的匹配距离,再以改进Hausdorff距离计算各手势轮廓间的匹配距离,最后用最近邻法进行分类识别。对来自50个实验对象的手势图像分类识别的实验结果表明,该方法对30个汉语字母手势图像的正确识别率达到了74.3%,明显高于基于不变矩及傅立叶描述子特征提取方法的识别结果。

基于自适应模板半径的形状上下文描述子在手势识别上的应用

提出了一种基于自适应模板半径的形状上下文描述子描述图像轮廓特征的手势动作模式识别方法,并探讨了这种方法在基于视觉的汉语字母手势识别中的应用。首先,在计算手势轮廓各点的形状上下文时,提出了一种距离直方图法求取自适应的模板半径的方法,并以χ2统计量计算各轮廓点之间的匹配距离,再以改进Hausdorff距离计算各手势轮廓间的匹配距离,最后用最近邻法进行分类识别。对来自50个实验对象的手势图像分类识别的实验结果表明,该方法对30个汉语字母手势图像的正确识别率达到了74.3%,明显高于基于不变矩及傅里叶描述子特征提取方法的识别结果。

基于改进型形状上下文描述子的字母手势识别

针对基于单目视觉信息的裸手手势,采用了基于改进型形状上下文描述子的分类识别方法。该方法首先通过肤色信息以及背景建模提取手部区域,然后利用单手指模板对手指进行检测,同时采用改进型形状上下文描述子对手部区域整体轮廓进行描述。在此基础上,使用有向无环图支持向量机(Directed Acyclic Graph Support Vector Machine,DAGSVM)对所提取的特征进行模式分类。其中,针对基本算法存在的问题,改进型形状上下文描述子将基于各个轮廓点的形状上下文直方图改为基于重心的形状上下文直方图,以提高计算速度,增强实时性。对30种字母手势,3种控制手势和10个数字手势开展的离线和在线实验结果表明,该方法取得了较好的分类准确率(离线:96%,在线:91%)和较高的实时性(识别时间14~15ms),适用于基于字母手势的实时人机交互。