粒子滤波算法及其在指尖跟踪中的应用研究

近年来,以机器视觉为基础的虚拟人机交互技术得到了极大的发展和应用,手势交互作为虚拟交互技术中一种重要的交互方式,其通过摄像头捕捉用户手势,对手势进行识别,根据不同手势动作执行相应的命令并将结果反馈给用户,通过这种方式使得人们在交互过程中彻底摆脱了触摸式传感器和设备的束缚,极大的提升了人机交互的自然感[1]。指尖追踪作为机器实现对复杂的手势动作的识别的基础,其算法的实现准确性和效率,直接影响到计算机对用户手势识别的准确度和实时性,进而影响到整个交互过程中的用户体验。因此,研究和实现高精度、高效率的指尖跟踪算法,对促进未来基于手势的人机交互技术的发展具有非常重要的意义。针对这一问题,本文提出和设计了一种高精度的自适应粒子滤波算法,并将该算法应用到指尖追踪中,有效的提高了指尖追踪的精度和实时性,本文的主要研究内容如下:1)针对粒子滤波算法“粒子退化”和算法实时性问题,提出了一种自适应粒子滤波算法,该算法对扩展卡尔曼滤波算法进行了改进,在扩展卡尔曼滤波基础上,在建议分布函数产生上引入有限差分法,改善了“粒子退化”现象对滤波效果的影响;并且在粒子滤波的重采样过程中,引入自适应确定采样粒子样本数的思想,通过根据估计值和预测值的差值信息来确定采样的粒子样本数,进而有效降低粒子滤波平均采样时间,提升粒子滤波算法效率。2)提出了一种基于自适应粒子滤波算法的指尖追踪方法,该方法通过从Kinect传感器获得视频信息和视频帧深度信息,然后在手指指尖信息和方向的提出过程中结合深度信息得到指尖的三维信息和方向,最后构建指尖运动模型,采用本文提出的自适应粒子滤波算法对其进行运动追踪,预测其位置状态,实现了对指尖的跟踪。3)在本文设计的指尖跟踪算法的基础上,基于Kinect摄像头、Opencv和directshow技术完成了单指尖跟踪系统的设计和实现,通过实际运行测试,验证了本文设计的指尖跟踪算法在跟踪精度上和算法实时性上相对于传统的基于卡尔曼滤波和扩展卡尔曼的粒子滤波算法的指尖跟踪有了明显的提高。