基于手轮廓的深度图像手势识别方法

J4 ›› 2014, Vol. 36 ›› Issue (05): 941-946.

基于手轮廓的深度图像手势识别方法

许凯，王敏

(河海大学计算机与信息学院,江苏南京 211100)

收稿日期:2012-11-30 修回日期:2013-01-21 出版日期:2014-05-25 发布日期:2014-05-25
基金资助:
教育部新世纪优秀人才支持计划(NCET100327)；中央高校基本科研业务费项目（2009B21014）；国家自然科学基金资助项目（30700183）；教育部博士点基金项目（20070294001）

Hand gesture recognition in a depth
image based on hand contour

XU Kai,WANG Min

(College of Computer and Information,Hohai University,Nanjing 211100,China)

Received:2012-11-30 Revised:2013-01-21 Online:2014-05-25 Published:2014-05-25

摘要/Abstract

摘要：

提出了一种新的手势识别方法，该方法从深度图像中提取手形轮廓，通过计算手形轮廓与轮廓形心点的距离，使用离散傅里叶变换获得手势的表观特征，引入径向基核的支持向量机识别手势。建立了一个常见的10种手势的数据集，测试获得了97.9%的识别率。

关键词: 深度图像, 手势识别, 支持向量机, 离散傅里叶变换

Abstract:

A new hand gesture recognition method is proposed,which extracts hand contour from a depth image.The distance between hand contour and the center of contour is calculated, the representation feature of the hand gesture is obtained by using Discrete Fourier Transform (DFT),and the hand gesture is identified by using Support Vector Machine (SVM) with Radial Basis Function (RBF).A dataset with 10 common hand gestures are established in order to demonstrate the effectiveness of the proposed method and achieve about 97.9% recognition rate.

Key words: depth image;hand gesture recognition;support vector machine;discrete Fourier transform (DFT)

许凯，王敏. 基于手轮廓的深度图像手势识别方法[J]. J4, 2014, 36(05): 941-946.

XU Kai,WANG Min. Hand gesture recognition in a depth
image based on hand contour [J]. J4, 2014, 36(05): 941-946.

参考文献

［1］ACM SIGCHI Curricula for HumanComputer Interaction［EB/OL］. ［20120814］. http://old.sigchi.org/cdg/cdg2.html#2_1.
［2］Wachs J P, Klsch M, Stern H, et al. Visionbased handgesture applications［J］. Communications of the ACM, 2011,54(2):6071.
［3］Murthy G, Jadon R S. A review of vision based hand gestures recognition［J］. International Journal of Information Technology and Knowledge Management, 2009,2(2):405410.
［4］Cao Chuqing, Li Ruifeng, Zhao Lijun. Hand posture recognition method based on depth image technoloyy［J］. Computer Engineering, 2012,38(8):1618. (in Chinese)
［5］Cortes C, Vapnik V. Supportvector networks［J］. Machine Learning, 1995,20(3):273297.
［6］Bourdev L, Malik J. Poselets:Body part detectors trained using 3d human pose annotations［C］∥Proc of the 12th IEEE International Conference on Computer Vision, 2009:13651372.
［7］Rajko S, Qian C. A hybrid HMM/DPA adaptive gesture recognition method［C］∥Proc of ISVC’05, 2005:227234.
［8］Shotton J, Fitzgibbon A, Cook M, et al. Realtime human pose recognition in parts from single depth images［C］∥Proc of IEEE Computer Society Conference on Computer Vision and Pattern Recognition, 2011:3.
［9］Mo Z,Lewis J P,Neumann U.SmartCanvas:A gesturedriven intelligent drawing desk system［C］∥Proc of the 10th ACM International Conference on Intelligent User Interfaces, 2005:239243.
［10］van den Bergh M,KollerMeier E,Bosche F,et al.Haarletbased hand gesture recognition for 3D interaction［C］∥Proc of IEEE Computer Society on WACV, 2009:18.
［11］Mistry P,Maes P,Chang L.WUWwear Ur world:A wearable gestural interface［C］∥Proc of CHIEA’09, 2009:41114116.
［12］Ren Z, Yuan J, Zhang Z. Robust hand gesture recognition based on fingerearth mover′s distance with a commodity depth camera［C］∥Proc of the 19th ACM International Conference on Multimedia, 2011:10931096.
［13］PrimeSense Natural Interaction［EB/OL］. ［20120814］. http://www.primesense.com/.
［14］Hsu C W, Chang C C, Lin C J. A practical guide to support vector classification［Z］. 2003.
［15］Chang C C, Lin C J. LIBSVM:A library for support vector machines［J］. ACM Transactions on Intelligent Systems and Technology (TIST), 2011,2(3):27.
附中文参考文献
［4］曹雏清, 李瑞峰, 赵立军. 基于深度图像技术的手势识别方法［J］. 计算机工程, 2012,38(8):1618.

[1]	刘屹成, 刘晓燕, 严馨. 并行平衡级联支持向量机[J]. 计算机工程与科学, 2023, 45(07): 1170-1177.
[2]	胡宗承, 段晓威, 周亚同, 何昊. 基于多模态融合的动态手势识别研究[J]. 计算机工程与科学, 2023, 45(04): 665-673.
[3]	唐宇, 代琪, 杨梦园, 陈丽芳, . 改进麻雀搜索算法优化SVM的异常点检测[J]. 计算机工程与科学, 2023, 45(02): 346-354.
[4]	赵艺. 基于路径签名的改进时空图卷积网络[J]. 计算机工程与科学, 2022, 44(12): 2213-2219.
[5]	仲臣, 余学祥, 邰晓曼, 韩雨辰, 肖星星, 刘清华, . 萤火虫算法优化支持向量机室内定位研究[J]. 计算机工程与科学, 2022, 44(11): 1968-1975.
[6]	王伟喆, 郭威彤, 杨鸿武, . 手语到情感语音的转换[J]. 计算机工程与科学, 2022, 44(10): 1869-1876.
[7]	马汉达, 朱敏. 改进SVM不平衡数据分类的IGWOSMOTE方法[J]. 计算机工程与科学, 2022, 44(06): 1133-1140.
[8]	张鑫, 冯秀芳. WiFi环境下基于CGRU-ELM混合模型的手势识别[J]. 计算机工程与科学, 2022, 44(02): 298-305.
[9]	刘国华1,2，段建春1. 基于Kinect相机的深度图像空洞修复及超像素分割算法[J]. 计算机工程与科学, 2020, 42(05): 851-858.
[10]	韦修喜1，黄华娟1，周永权1,2. 基于AP聚类的约简孪生支持向量机快速分类算法[J]. 计算机工程与科学, 2019, 41(10): 1899-1904.
[11]	王云艳1,2，罗冷坤1，王重阳1. 基于流形学习的光学遥感图像分类[J]. 计算机工程与科学, 2019, 41(07): 1212-1219.
[12]	冯璋，裴东,王维. 基于改进灰狼算法优化支持向量机的人脸识别[J]. 计算机工程与科学, 2019, 41(06): 1057-1063.
[13]	崔建双，车梦然. 基于多分类支持向量机的优化算法智能推荐系统与实证分析[J]. 计算机工程与科学, 2019, 41(01): 153-160.
[14]	田勋，汪西莉. 基于聚类标签均值的半监督支持向量机[J]. 计算机工程与科学, 2018, 40(12): 2265-2272.
[15]	颜学龙，龚流青，汪斌斌. 基于DCQGA-SMKL-SVM的模拟电路故障诊断方法[J]. 计算机工程与科学, 2018, 40(11): 1944-1950.