摘要: 随着虚拟现实技术的进步，人机交互设备的发展，交互方式也逐渐呈现多样化。其中，手势因其直观、自然、信息丰富等特征，成为众多学者进行研究的首选对象。为了满足应用的需求，手势识别技术在准确率和环境适应性上还需要进一步的研究完善。本文主要... 展开 随着虚拟现实技术的进步，人机交互设备的发展，交互方式也逐渐呈现多样化。其中，手势因其直观、自然、信息丰富等特征，成为众多学者进行研究的首选对象。为了满足应用的需求，手势识别技术在准确率和环境适应性上还需要进一步的研究完善。本文主要针对基于Kinect的手势识别方案进行探究，重点对指尖检测和手势识别进行研究和改进，并实现了一个投影交互系统来论证本文方案的可行性和识别效果。主要研究工作如下： （1）对传统的手势区域分割及跟踪方法进行研究。分析多通道图像的特征，并对分割结果的进行对比，最终选择使用Kinect设备获取数据，在图像预处理之后，采用肤色特征与深度信息相结合的方法分割出手势区域，并进行连续形态化操作优化分割结果；在跟踪滤波优化算法上，分析了CA模型和CV模型跟踪目标的实验结果，最终选择使用CA模型滤波来跟踪预测手势以达到更高的响应精度。 （2）提出了一种改进的多指尖检测方法。分别分析了基于K-curvature和凸包的指尖检测算法的不足，选择将两者相结合对多指尖进行识别检测。通过实验验证，基于凸包的K-curvature算法可以有效地对指尖进行检测和定位。并且，设计实验分析其中T,K参数的取值以进行优化。 （3）提出了一种改进的SVM手势识别方法。通过分析得出，单一特征在复杂环境中表现不稳定，于是选择融合结构特征、Hu不变矩和HOG特征，并使用PCA进行降维，作为最终的分类特征输入SVM中进行识别。该识别方法在实验中表现出了较高的准确率和较好的环境稳定性。 同时，本文设计并实现了一个投影交互系统，采集了5名实验者针对文中8个手势的500个完整动作数据的样本集，进一步对文中算法模型进行测试。实验结果表明，该方案将识别准确率从90.4%提升到95.3%，在不良光照条件、运动复杂背景以及角度干扰的复杂环境中准确率也维持在93.7%以上，具有较好的鲁棒性。虽然本文改善了传统手势识别方法的准确率和环境适应性，但在深度图像降噪和鼠标抖动处理上还存在一些问题，接下来还需要大量的研究和学习来进一步优化。 收起