基于粒子滤波的手势识别技术研究

本文使用轮廓作为特征,用B样条曲线来拟合手势外部形状,并引入形状空间防止任意处理B样条曲线控制点会产生与模板不相似的曲线,且该方法的引入大大降低处理的维数,减少了计算量。 由于粒子滤波适用于任何能用状态空间模型表示的非线性系统,本文采用该方法进行手势跟踪。动力学模型使用二阶ARP过程描述,并使用Bootstrap思想反复训练得到最符合本文试验的动态转移矩阵。最后将粒子估计曲线上所有采样点法线的Canny边缘特征位置与估计位置的距离之和作为粒子的权值。实验表明,该方法可以达到鲁棒跟踪目的。 在鲁棒手势跟踪的基础上,对粒子滤波状态向量进行扩展,加入手势类别标记。粒子数目根据手势类别数目平均进行分配。当粒子根据观测值分配权值以后,以每个手势类别所有粒子的权值和作为评判手势类别的标准,将具有最大权值和对应的手势类别作为最后识别的结果。实验表明,本方法虽然简单,但正确率达到了98%以上。也就是说,本文所提手势识别方法是有效的。