本文在Linux 系統(tǒng)下實(shí)現(xiàn)了本文提出的基于手勢輪廓缺陷圖進(jìn)行手勢識(shí)別的方法，并在"嵌入式之星"開發(fā)板上實(shí)現(xiàn)了手勢識(shí)別的人機(jī)交互演示系統(tǒng)。系統(tǒng)處理器800 MHz,存儲(chǔ)器RAM256 MB,實(shí)時(shí)采集640 × 480 的真彩色圖像。該系統(tǒng)分析攝像頭實(shí)時(shí)捕獲到的每一幀圖像，對圖片中的手勢進(jìn)行實(shí)時(shí)識(shí)別。系統(tǒng)的應(yīng)用程序是一個(gè)基于手勢識(shí)別的拼圖游戲，通過變換手勢來完成拼圖?？勺R(shí)別的靜態(tài)手勢狀態(tài)被分為五類： A為握拳、B 為食指伸長、C 為V 型手勢、D 為中間三指伸開、E為五指張開。A、E 手型分別對應(yīng)抓取與松開。手勢為握拳狀態(tài)時(shí)，手對應(yīng)的圖片塊被選中( 類似鼠標(biāo)左鍵按下) ,此時(shí)可以拖動(dòng)圖片，選定位置后可以換成手勢E,圖片將被松開( 類似鼠標(biāo)左鍵松開) ,B、C、D 手勢分別表示將圖片放大、縮小和旋轉(zhuǎn)。

　　演示系統(tǒng)效果如圖7 所示。

?

　　圖7 演示系統(tǒng)效果

　　4 實(shí)驗(yàn)結(jié)果及分析

　　為了檢驗(yàn)本文算法的準(zhǔn)確性和實(shí)時(shí)性，本文在實(shí)驗(yàn)室光照條件下，采集不帶任何特殊標(biāo)記的手勢單目視頻圖像。實(shí)驗(yàn)中參數(shù)設(shè)置如下： Camshift 算法的最大迭代次數(shù)為10; 手勢分割使用的HSV 顏色空間如表1 所示。

　　表1 HSV 顏色空間設(shè)置

?

　　對手勢二值圖像所做的數(shù)學(xué)形態(tài)學(xué)操作使用3 × 3 的模板做開運(yùn)算，使用5 × 5 的模板做閉運(yùn)算; 噪聲手勢的域值設(shè)為0. 01.手勢的跟蹤過程無人工干預(yù)。

　　表2 給出了五種手勢的識(shí)別率與匹配成功率。匹配成功率是指在正確識(shí)別出手勢類型的情況下，按照2. 2 節(jié)給出的匹配方法將手勢輪廓缺陷圖的特征與手勢類型進(jìn)行匹配的成功比率。

　　表2 手勢識(shí)別匹配率

?

　　表3 給出本文方法與其他方法的比較結(jié)果。與其他手勢識(shí)別方法比較，本文提出的方法有相當(dāng)?shù)淖R(shí)別率，還實(shí)現(xiàn)了手勢跟蹤的結(jié)果對識(shí)別的反饋，并在實(shí)時(shí)性方面滿足嵌入式系統(tǒng)的需求( 20 ~ 25 fps) ,明顯好于文獻(xiàn)[7]( 一種面向?qū)崟r(shí)交互的變形手勢跟蹤方法， 18 fps) 和目前流行的Hand Vu 的識(shí)別效率。

　　表3 手勢識(shí)別算法比較

?

　　魯棒性方面，由于本文采用了模糊運(yùn)算，圖像模糊分割的準(zhǔn)確率達(dá)到96. 4%,對環(huán)境的變化具有很好的抗干擾性。即使背景有人的走動(dòng)造成環(huán)境和光線的劇烈變化，也不會(huì)對手勢輪廓缺陷圖造成太大的影響。

　　5 結(jié)束語

　　與傳統(tǒng)的手勢識(shí)別系統(tǒng)不同，它在注重識(shí)別效果的同時(shí)還要注重算法的計(jì)算復(fù)雜度。通過使用手勢輪廓缺陷圖作為手勢識(shí)別的特征結(jié)構(gòu)，不僅大大減少了計(jì)算量，由于缺陷圖是從整體結(jié)構(gòu)刻畫手勢的結(jié)構(gòu)，所以它還增強(qiáng)了手勢識(shí)別的魯棒性。實(shí)驗(yàn)表明本文提出的方法可以滿足交互的實(shí)時(shí)性要求，能很好地用于手勢交互的應(yīng)用系統(tǒng)。