静态手势识别

提示：文章写完后，目录可以自动生成，如何生成可参考右边的帮助文档

---

实现流程

• 图像采集
• 图像预处理

---

提示：以下是本篇文章正文内容，下面案例可供参考

一、图像采集

摄像头采集手势图像，读入数据

使用的技术：
openCv 中的HighGUI模块提高函数cvCreateCameraCapture

数据采集，将模拟信号转化为计算机可识别的数字信号，在计算机中以图像形式存储，JPG，BMP，TIFF

二、图像预处理

1.灰度化

2.平滑

图像平滑是指受传感器和大气等因素的影响，遥感图像上会出现某些亮度变化过大的区域，或出现一些亮点(也称噪声)。这种为了抑制噪声，使图像亮度趋于平缓的处理方法就是图像平滑。图像平滑实际上是低通滤波，平滑过程会导致图像边缘模糊化。 [1]

使用技术:中值滤波算法

运算过程中通过对有序序列快速折半查找和内插操作完成一个滑动窗口的诸像素灰度排序，快速重构有序序列，也是一种局部平均平滑技术。通过这种方式原窗口中心像素灰度值被中值替换，减少数字信号处理中因脉冲干扰导致信号经常中断的问题。中值滤波能够抑制随机噪声，在有噪声的情况下，能够很好的保护原始信号，因此这种平滑算法适合灰度值变化比较小的情况,并且使得图像边界部分的模糊程度也能得到大规模的降低。

3.二值化

三、特征提取

区分不同的手势特征

区分不同手势的依据：

4)根据手势的变化趋势，采用其他特征包括:像素值为1的个数、像素值由0变1的个数、像素值由1变0的个数。

四、建立模板库

利用交叉覆盖算法进行手势的训练，测试

训练阶段，由上述的特征提取获取多维向量，根据已知分类？？，建立手势模板库，按照交叉覆盖算法大于测试样本进行分类测试

五、手势分类

手势分类采用模板匹配的方法，将测试的手势向量语预先存储的模板的手势向量的相似度进行比较，选择相似度最近的那个作为测试的手势识别

六、手势识别算法

交叉覆盖算法采用三层网络来构造分类器，对同一类的点用同一个领域进行覆盖，先覆盖某一类的所有点，再次删除后，继续覆盖其他类的点，交替进行覆盖，依次交替直到集合为空

算法流程：

首先求解所有待测样本的中心，并以离该中心最近的样本作为覆盖的圆心 center。计算出其他所有还未聚类的样本与center之间的欧式距离
，并计算球形覆盖。然后寻找下一个覆盖的圆心，通常选取离当前覆盖的圆心最远的点。一直循环操作步骤，重复以上步骤，直到所有的样本都被覆盖掉。与传统的识别方法相比，交叉覆盖算法允许分类目标在一定范围内的动态变化，避免了优化过程中所需的大量的运算量

调研的目的：聋哑人与正常人之间是否存在较大的交流困难？聋哑人是否因为这种困难而失去了许多，融入到整个社会群体的机会？

1.朋友中正常人的数量多不多
2.和你的正常朋友对话有困难吗
3.会因为自己不能像正常人一样交流，而无法参加某些活动吗
4.你希望能和正常人多交流并成为朋友吗？
5.如果有技术能够通过手机识别手势，翻译成语音来与正常人沟通，你支持这项技术吗？

调研目的：正常人对手语是否有一定的了解？平时与聋哑人能够交流吗？

1.学过或了解过手语吗？

---

总结

提示：这里对文章进行总结：
例如：以上就是今天要讲的内容，本文仅仅简单介绍了pandas的使用，而pandas提供了大量能使我们快速便捷地处理数据的函数和方法。

参考材料1——手势识别技术的研究及应用

参考资料2——对一张静态图片的识别

基于MATLAB的静态手势识别系统设计