基于椭圆皮肤模型和深度学习的静态手势识别

基于视觉的手势识别是人机交互的热点,本文提出一种基于椭圆皮肤模型和深度学习的静态手势识别算法。通过椭圆皮肤模型检测手部皮肤区域,相比于其他方法,更加快速和准确,然后采集手势图片样本,按照不同的手势进行分类保存,最后采用深度学习库Tiny-DNN将获取的训练集进行离线训练、用测试集进行预测统计。该方法有效地解决了手掌小角度旋转问题,相对于其他的方法,具有更高的正确率,并且能适应比较复杂的环境。实验结果表明,该算法在复杂的环境下,采用简单的成像设备进行手势识别,能检测并识别不同角度和大小的手掌,取得比较高的准确率。

利用轨迹模板匹配方法的实时动态手势识别

利用混合高斯模型进行运动检测,分割出运动前景,采用粒子滤波器结合皮肤椭圆模型进行手势跟踪,获得手势中心点运动轨迹,在此基础上提出利用轨迹模板匹配方法进行动态手势识别。该方法利用基本的几何和三角函数就能完成手势运动轨迹的定义和识别,不需要选择特征或训练样本。实验结果表明,该算法能够实现实时动态手势识别。