调查姿态分析和几何特征提取

文摘

使用自然人机交互的姿态成为一个重要的问题在最近几十年里,包括人类生活电器。符号语言通常使用在人们解释特定的意义或传递有意义的信息,因此手势激励来模拟自然的人类之间的相互作用,但在人类和计算机之间的这段时间建模,分析姿态,最后识别。本文提出一个研究调查不同的手势识别系统的算法,采用手和工具用于手势识别系统在不同阶段从图像预处理部分和方法应用于捕捉手形状提取必要的特性,与合适的识别算法和终止这项工作手势建模、分析和识别中演示了细节与挑战障碍识别系统的性能。比较不同的手势识别因素所示。

关键字

人机交互(HCI)、手势分割、几何特征、特征提取、手势识别。

介绍

扩散的现代虚拟应用程序的需要理解和潜水深入人类的手势识别领域尤其是科学在我们的生活中,各种应用程序。生活电器,手势有各种各样的家用电器[1][18]如电视控制使用手势[2],国内机器人控制[1],数码相册[1],和其他家庭的设备,如洗衣机、电冰箱、吸尘器,炉顶是[1]中提到。电视频道可以开启和关闭,开启和关闭和改变体积[2]。国内机器人是一个机器人使用语音和手势控制[1],声音指令解释根据语音词汇已经存储,和手势检测通过跟踪手[1][22]。数字相册(GIA)指尖在哪里照片用于操作使用一些命令(下、编辑幻灯片)使用触摸感应屏幕上[1]。洗衣机有一些命令来设置转速等[1][7][8],洗计时器,旋干计时器等手势必须控制这些命令在近距离[1]。

最近工作很多算法和工具与比较各种手势识别系统演示了使用不同的手势识别系统因素。短论文的工作发表在AITCC会议[33]。

论文的大纲如下:第二节解释手势分类系统与系统的详细描述阶段。一些最近的研究讨论了识别系统的演示阶段关闭浏览了手势的分类系统的步骤。最后,讨论和结论。

二世。手势分类系统

任何手势识别系统的主要阶段是:提取技术,功能分析,最后分类工具。图2演示了这些步骤。

许多内部个子过程可以根据应用程序包含在这些步骤中[12][14],在每一个阶段可以使用不同的处理步骤[14]。需要不同的处理步骤,应用基于手套和视觉获取数据[14],几何和non-geometric特征提取方法,姿势和手势分类工具。在接下来的小章节,我们将只讨论主要的两个阶段。

三世。手提取技术:相关工作

对于任何姿态系统,第一步就是要从整个图像中提取手的对象,这可以由首先决定所需的输入设备来收集必要的数据来完成特定的任务,其次分段的手从其他不相关的背景对象模型。手的姿势和手势识别系统获取输入数据使用不同的技术,这些技术有:基于检测手套[9][16][19],计算机视觉[16][9][20],和手套或颜色标记标记技术[14]。基于插装的手套技术需求用户穿一种特殊的数据glove-based装置[9][16]提供的测量手的位置[4][6][14],[4][9],取向角[4][9][16]和自由度(自由度)高精度[9][14]。计算机视觉技术使用输入手图像从一个或多个摄像机获得的[9][16][14]。最后彩色标记技术要求用户戴上手套,根据颜色手本地化,指尖,和手blob决心容易[14],然而,这些技术被用于建模的手。图3显示了这些技术的图形表示。

四、分割技术

后获得所需的手在上面提到的方法之一,一方面需要分段从其他对象。分段的提取手代表任何识别系统的成功的一个重要步骤[14],和手建模过程依赖于正确的和健壮的分割方法[14]。没有怀疑,使用的颜色模型和背景分割的成功有很大的影响的过程。像素的颜色是最重要的迹象,是用于分离人类皮肤色素[14],其他线索可以用于检测手,和其中的一些方法[23]:颜色像素信息,运动信息[10],或这两种方法相结合实现健壮的手检测[26]。

不同的研究解决分割问题[27],在[24]规范化RGB颜色模型只申请了肤色检测使用色度组件以减少照明的变化。作者[25]综合参数和非参数模型:高斯混合模型(GMM)和基于直方图的方法来定位,系统训练离线使用GMM和规范化r-g颜色空间和在线测试使用直方图和HS颜色模型[25],然后GMM与照明变化影响,柱状图应用于解决这个问题[25]。值得注意的是,HSI颜色空间与直方图[25]有效的性能。

诉姿态分析

分析动作,系统首先要进行姿态检测,然后提取重要特征。检测动作,输入图像应该位于[12]从其他不必要的背景分割的对象作为先前在分割过程中解释道。功能应该区分,不相互干扰,可以清楚的分类在识别阶段,以及当代表在特征空间域[14]用最小的不正确)在测试步骤[14]。参数可以在外观和基于三维模型的估计[12]。基于3 d模型,这两个关键的参数:关节角[12]和棕榈维度[12],需要估计初始参数[12],和改变参数时根据手势的发展[12]。基于外观参数估计是:形状分析[12],活动轮廓[12],和图像运动估计[10][11]。

哈桑[28]识别手势使用几何特性,输入图像分割使用HSV颜色模型,和四个特征被提取,这些特性;垂直距离(PD)打的代表之间的距离(手指的基地和手掌中心,底角(BA)的夹角线由手指的基地中心和手掌方向线高密度脂蛋白,基(s)角(BsA):这是类似于英航功能,但它取代了高密度脂蛋白与手掌手指的基地,形成的线和基础边界(BB)代表之间的距离垂直铸造一个特定的边界像素距离更高提到线和最近的手指的基地。在[30]中,我们提出了一个手势识别系统应用创新方法模型手使用可变长度染色体遗传算法,该算法的结果是手的详细提取结构(手掌、手指和手腕)。手掌中心坐标一直位于使用GA和减少人口规模。手腕和手指的参考点决心促进所需的重要特征的提取分类目的[30]。

Stergiopoulou[15]识别手势运用SGONG算法获取手的形状,并提取三个特征;RC角度:代表一个角度形成的手关节倾斜线和线的根与中心的手,TC角度:这是手倾斜线形成的角和关节的线用手的指尖中心和手掌中心的距离。识别,系统[28]和[30]应用高斯混合分类器而[15]应用高斯分布。

杨[31]提取和分类的二维运动序列图像中使用运动轨迹。杨取决于认为人类的手和脸的形状近似椭圆形式,合并后的运动区域提取的形状和皮肤颜色的手和脸,和出现持续直到合并后的区域大约成为紧密的椭圆形状[31]。陈等。[32]提取识别手指手掌和手指区域并确定相应的手势,一个规则分类器应用于识别手指的标签;他们用1300图像数据集。

第六,讨论和结论

姿态系统有可能简化交互与各种生活应用[17]从手语到虚拟环境[29]和不同的家用电器。分割过程中起着重要作用的检测和手势识别。各种技术已经申请了分段的手;最常见的方法是提取输入图像的肤色。其他的研究应用手运动或肤色和运动提取的手。提取的形状特征提取步骤中提供了一个很好的效益。[15][28]和[30]应用不同的方法捕捉提取手的形状几何特性。其他研究使用non-geometric特性提取轮廓和轮廓等。各种输入设备可用于获取手图像和选择特定的输入设备的选择依赖于应用程序要求。动作分析与解释参数建模和估计需要实现健壮的手势识别系统提供[11]。 Table 2 shows some recognition factors such as recognition rate and recognition time with number of recognized +gestures of some selected gesture recognition methods.

表乍一看

表1 表2

数据乍一看

图1 图2 图3 图4

引用

1. j .科斯特(2006)“在家用电器中应用手势”,特文特大学人类媒体互动。可从http://hmi.ewi.utwente.nl/verslagen/capita-selecta/CS-Koster-Jacobjob.pdf上读取。
2. 弗里曼,w . T。,Weissman, C. D. (1995). ”Television Control by Hand Gestures”.IEEE International Workshop on Automatic Face and Gesture Recognition.
3. Xingyan李。(2003)“手势识别”基于模糊c均值聚类算法,计算机科学部门。田纳西大学诺克斯维尔。
4. s . Mitra, t。(2007)“手势识别”:一项调查“IEEE系统,人与控制论,C部分:应用程序和评论,37卷,第3号,页311 - 324,doi: 10.1109 / TSMCC.2007.893280。雷竞技苹果下载
5. 网站:http://comps.fotosearch.com/comp/CSP/CSP659/isolated-boy-child_ ~ k6595985.jpg
6. 劳拉Dipietro,安吉洛·m·萨巴蒂和保罗·达里奥(2008)“Glove-Based调查系统和他们的应用程序,”IEEE系统,人与控制论,38卷,第4期,页461 - 482。
7. 四美g . Wysoski马库斯诉拉马尔,Susumu Kuroyanagi,和岩田聪(2002)“旋转不变量方法Static-Gesture使用边界直方图和神经网络识别,“IEEE 9日国际会议上神经信息处理,Singapura。
8. RafiqulZaman汗努尔Adnan Ibraheem,(2012)”调查对手势识别手形象姿势”,国际计算机和信息科学杂志》,第五卷,3号,页110 - 121。doi: 10.5539 / cis.v5n3p110
9. 约瑟夫·j·LaViola Jr .)(1999)“的调查的手姿势和手势识别技术和技术”,硕士论文,NSF科技中心的计算机图形学和科学可视化、美国。
10. 托马斯·b·Moeslund Erik叶绿体基粒(2001)“计算机应用人体运动捕捉的一项调查,“爱思唯尔,计算机视觉和图像理解、卷。81年,页231 - 268。
11. 阿里Erol乔治·Bebis MirceaNicolescu,理查德·d·博伊尔和XanderTwombly(2007)“手姿势估计:建立审查”,爱思唯尔计算机视觉和图像理解,卷108,52 - 73页。
12. Pavlovic,诉我。,Sharma, R. and Huang, T. S. (1997)” Visual Interpretation of Hand Gestures for Human- Computer Interaction: A Review”. IEEE Transactions on Pattern Analysis And Machine Intelligence, Vol. 19, No. 7, pp 677- 695, doi; 10.1109/34.598226
13. 清Chen (2008)。“实时应用手跟踪和手势识别”,博士论文,电气和计算机工程。
14. 莫·m·哈桑Pramod k . Mishra(2012)“手势建模和识别使用几何特性:回顾”,加拿大在图像处理和计算机视觉卷》杂志上。3 (1)。
15. 大肠Stergiopoulou: Papamarkos。(2009)“手势识别使用神经网络形状拟合技术,“爱思唯尔工程
应用人工智能,8号,第22卷,页1141 - 1158,doi: 10.1016 / j.engappai.2009.03.008
16. Eun-Jung霍尔顿(1997)。“视觉识别的运动”,博士论文,西澳大利亚大学的计算机科学系。
17. 马克Billinghurst (2011)。“基于手势的交互”,第14章。触觉输入。可从www.billbuxton.com/input14.Gesture.pdf上读取。
18. 应,托马斯·s·黄“的手势识别:建立审查”,课堂讲稿在计算机科学中,手势车间、诉讼国际姿态手势交流研讨会的人机交互,卷(1739),页103 - 115,1999。
19. Francesco Camastra,路易吉•兰(2011)“实时手势识别使用颜色手套”,施普林格16日在图像分析和处理国际会议:第一部分(ICIAP 11),页365 - 373。
20. g . r . s .没吃和r·s·米伦。(2009)“回顾基于视觉的手势识别,”国际信息技术和知识管理学报,2卷,2号,第405 - 410页。
21. Wikipdeia Web页面。
22. p . Garg n Aggarwal和s Sofat (2009)。“基于视觉的手势识别,”世界科学院、工程和技术,49卷,页972 - 977。
23. Mohamed BechaKaaniche (2009)。从视频序列“手势识别”。博士学位论文。INRIA Sophia Antipolis
24. WAlodzimierzKasprzak ArturWilkowski,卡罗尔Czapnik, (2009)。“手势识别在图像序列使用积极的轮廓和摘要”,图像处理与通信挑战,学院出版社退出,华沙,页248 - 255。
25. m·马瑞医生Van den e . Koller-Meier f .博世´l . Van干傻事,(2009)。“3 d交互Haarlet-based手手势识别”,计算机视觉的应用研讨会(WACV),页1 - 8,doi: 10.1109 / WACV.2009.5403103
26. 詹高,“外貌的手势检测”,可用:http://www.cs.auckland.ac.nz/courses/compsci705s1c/exams/SeminarReports/HandGesture_zgao014.pdf
27. s e . Ghobadi o . e . Loepprich k .哈特曼和o . Loffeld, (2007)。“手分割使用2 d / 3 d图像”,会议的图像和视觉计算,页64 - 69,新西兰,2007年12月。
28. 身兼m·哈桑Pramod k . Mishra (2012)。“小说多手检测算法和几何特性Extractionand承认”,国际科学和工程研究期刊》的研究,卷。3 (5)。
29. r . g . O '哈根,a . Zelinsky s Rougeaux (2002)。虚拟环境的“视觉手势接口”,爱思唯尔,与计算机交互,14卷,第250 - 231页,doi: http://dx.doi.org/10.1016/s0953 - 5438 (01) 00050 - 9
30. RafiqulZaman汗,努尔Adnan Ibraheem (2013)。“基因形状适合手势建模和特征提取使用可变长度染色体”,英国科学杂志》上,10卷(1),1 - 11页。
31. Ming-Hsuan杨,纳伦德拉•Ahuja马克•泰伯(2002)。“提取二维运动的轨迹和手势识别中的应用”,IEEE模式分析与机器智能,24 (8).pp卷。。1061 - 1074。
32. Zhi-hua Chen Jung-Tae金,梁结合建宁,京张Yu-Bo元,(2014),使用手指分割”“实时手势识别,Hindawi出版公司,科学世界日报》doi: http://dx.doi.org/10.1155/2014/267872
33. RafiqulZaman汗努尔Adnan Ibraheem, (2012)。“手势识别系统的比较研究”,国际会议的高级计算机科学与信息技术(acsit - 2012)。印度钦奈。
34. 分钟B。,Yoon, H., Soh, J., Yangc, Y., and Ejima, T. (1997) “Hand Gesture Recogrution Using Hidden Markov Models”. IEEE International Conference on computional cybernetics and simulation, Vol. 5, pp 4232-4235. Doi: 10.1109/ICSMC.1997.637364