摘 要

从计算机的发明开始，人机交互一直随着时代的进步而不段发展完善。从最开始的鼠标键盘到现在的数据手套，手写笔，眼动跟踪器等，我们从最开始的用手操作到现在的用眼，姿势，声音身体动作等向计算机传递信息，人机交互越来越向着“自然和谐，以人为本”的理念而发展。

与传统人机交互方式相比，手势识别是非常重要而且有意义的一项技术，因为其具有灵活，方便，对硬件要求不高等特点。使得手势识别在人工智能领域中扮演着越来越重要的角色。在人类中，手势一直是最自然和普遍的交流媒介。手势识别的研究已经获得了广泛的关注，因为他可以应用于人机交互的接口和虚拟环境中。如今的人机交互设备大多都是鼠标和键盘，虽然它们对于输入来说是非常稳定的，但是却有一些的限制。例如它们只能识别出手的动作而不能识别出手指的动作。而对于手势识别来说，最大的优点在于可以脱离设备的束缚，可以在一定的范围内自由发挥手势动作。

本文通过查阅大量的文献和著作，对手势进行边缘提取，然后利用傅里叶描述子对边缘进行优化，最后利用点到弦累加算法CDPA对手势边缘进项角点检测。通过仿真实验，取得了较好的结果。

关键词：人机交互 傅里叶描述子 CDPA角点检测

Abstract

From the beginning of the invention of the computer, human-computer interaction has been with the progress of the times and development of perfect. From the beginning of the mouse and keyboard to now the data gloves, stylus, eye tracker, we from the beginning with hand operation to now with the eyes, gesture, and voice body movements to computer transfer information, human-computer interaction more and more toward the "natural harmony, people-oriented" concept and development.
Compared with the traditional way of human-computer interaction, gesture recognition technology is a very important and meaningful, because it is flexible and convenient, the hardware requirement is not high. The gesture recognition plays an increasingly important role in the field of artificial intelligence. In humans, the hand is potential has been the most natural and common medium of communication the research of gesture recognition has gained widespread attention, because he can be applied to human-computer interaction interface and virtual environment. Interactive devices are now mostly mouse and keyboard, although they are very stable for input, but there are some limitations. For example, they can only recognize hand movements can not identify the shot of the action. For gesture recognition, the biggest advantage of bound can be separated from the equipment, can be free to play gestures in a certain range.
By consulting a large number of papers and books, the gesture of edge extraction, and then use Fourier descriptors to optimize the edge and finally by the cumulative Chord algorithm CDPA to edge gesture input corner detection. Through simulation experiment, and achieved good results.

Key words: human computer interaction FD CDPA corner detection

目录

第1章 绪论 1

1.1手势识别的研究意义和目的 1

1.2手势识别技术研究现状 1

1.3研究的基本内容 2

第2章 手势识别概述 3

2.1 模式识别技术概论 3

2.2贝叶斯决策理论 4

2.2.1基于最小风险的贝叶斯决策 4

2.2.2基于最小错误概率的贝叶斯决策 4

2.3手势识别 5

第3章 手势分割 8

3.1图像分割基本概念 8

3.1.1基于边缘的图像分割以及边缘检测算子的比较 8

3.1.2基于区域的分割方法 9

3.1.3基于阈值的分割方法 9

3.2彩色图像分割 10

3.2.1 RGB，HSV颜色空间 10

3.2.2 YCbCr颜色空间 11

第4章 基于傅里叶描述子的优化以及快速角点检测 12

4.1基于傅里叶描述子对轮廓的优化 12

4.2角点检测 14

4.2.1角点检测概述 14

4.2.2基于Harris的角点检测算法和SUSAN角点检测算法 14

4.2.3基于边缘特征的角点检测方法 15

4.3基于CDPA的角点检测 16

第5章 基于傅里叶描述子优化的CDPA角点检测算法实验 18

5.1手势轮廓提取以及基于傅里叶描述子的优化 18

5.2基于点到弦距离累加（CDPA）的角点检测算法实验 20

第6章 结论 22

参考文献 23

致谢 24

附录 25

第1章 绪论

1.1手势识别的研究意义和目的

用手势体现人的意图是一种非常自然和谐地方式，人类在数千年的历史中，已经形成了大量通用的手势。几个简单的手势动作可能会蕴含着大量的信息，人和人之间也可以通过手势传递丰富的信息，从而实现快速的通信。“手势”在人机交互中，拥有生动和直观的特点，更有着很强的视觉效果，完全可以作为一种交互手段。基于手势的交互技术不同于那些使用手操作设备的交互技术。例如鼠标键盘这样的交互设备，向计算输入的信息跟手势基本无关，而手势交互技术可以使计算机对手的方向，运动状态，位置，弯曲程度等来进行分析并且得到信息。这样可以使我们跟计算机的交流更加自然，流畅，方便和快捷。所以将手势识别运用到计算机中可以很好的提高人机交互的效率。

基于手势识别的交互方式不仅仅可以达到方便快捷自然的效果，也可以帮助那些残疾人以及聋哑人跟好的与人交流以及相处。可以通过对手势的识别他们可以将更多的想法传递给更多的人，使得他们也可以跟正常人一样进行交流。同时手势识别技术也可以在越来越多的领域得到广泛的使用

1.2手势识别技术研究现状

对于目前的手势识别方法，“机器学习”是较多的手势识别方法。该方法可以找到特征集和手势的关系，解决特征搜索的问题。例如HMM法，由于HMM具有时间尺度不变的性质，并且能较好的识别和提取时空动态模型，更能在每个时间点上得到一个观测特征。对于手势输入设备，最常用的是数据手套。它具有识别率高，精度高等特点，但是价格昂贵而且需要穿戴笨重的设备，会给用户带来不便^[1]。如今，手势的常用算法有：基于人工神经网络的手势识别，基于HMM的手势识别，基于几何特征的手势识别等。对于现在的研究成果，Huang等人使用3D神经网络的方法制定了一个手势识别系统，这个系统能够识别15种不同的手势。David和Shah提出了一种基于模型的方法，这种方法使用了状态机来模拟一个普通手势的四个不同的特性。手的形状通过向量的列表描述，然后用所存储的矢量模型匹配。达雷尔和彭特兰提出了时空手势识别的方法。使用视图模型表示的符号来表示，然后使用动态时间扭曲来匹配存储的手势模式。Starner等人，描述了一个可扩展的系统，这个系统使用一个彩色摄像机实时跟踪手势并且解读美国手语（ASL）。他们用隐藏的马尔科夫链（HMM）识别一段完整的句子，并且使用HMM证明了识别一系列复杂手势的可行性，而不是使用仪器手套，他们使用基于视觉的方式来捕捉手的形状，方向和轨迹。Liang等人开发了一个基于TSL的手势识别系统，但这个系统需要使用数据手套来捕获10个手指关节的弯曲，手掌的卷和其他3D运动信息。济南大学的冯志泉等利用矩形模拟手掌，圆柱模拟指节的方法构建了具有33个自由度的三维人手，并对手势识别技术进行了研究^[1]。

1.3研究的基本内容