动态手势检测与识别算法研究思路（草稿）

因近期转战其他研究，不再更新有关研究。更多相关资料请搜索其他资源。
在计算机视觉中，目标检测与识别是图像动态识别算法中重要的组成部分，在人机交互应用中起到重要作用。动态手势识别主要分为两类：手势轨迹跟踪和手部动作识别。前者采用手部的运动轨迹表达信息，如摇手的拜拜动作；后者采用手部的动作表达信息，如大拇指和食指做出旋转按钮的动作。当然，两者组合可以完成更加复杂的信息表达。
基于视觉的手势识别一般可分为手势分割、手势分析和手势识别三个阶段。
手势分析阶段主要包括计算手的运动参数、提取手的形状（即手势）等特征参数和建立手势模型等三步。通过手的运动参数和手势参数，可以表达信息。如摇手的拜拜动作，其特征是在水平方向左右摇摆且运动速度比较匀速，手势呈五指平展的状态。再如，向右拨开的动作，其特征是在水平方向从左向右运动，速度较快，且是一次性完成，手势可呈多种状态。
由此可见，手势轨迹跟踪以轨迹信息为主、手势信息为辅，共同完成信息表达；而与之不同的是，手部动作识别只通过手的部分肢体动作完成信息表达，以手部动作为主、运动轨迹为辅甚至要极力避免轨迹信息。在手势分割阶段，主要完成从手势图像序列中检测人手区域并从背景中分离出来。然而，由于手部动作识别是由手部的局部完成的，剔除背景等处理对手部动作识别来说作用不大，有时甚至需要动作部位的深度参数辅助识别。
因此，对于动态手势的研究可以从两方面入手：第一，研究手势轨迹跟踪算法，完成几种典型的手势动作识别，如拜拜、向某一方向拨开等；第二，研究手部动作识别算法，完成几种典型的手部动作识别，如左旋、摇手指等动作。

如有疑问，可留言反馈或通过邮件交流（hardenqiu@foxmail.com）。