基于表观特征分析的手势识别及其应用

J4 ›› 2015, Vol. 37 ›› Issue (1): 139-145.

基于表观特征分析的手势识别及其应用

屈燕琴，李昕，卢夏衍

（上海大学机电工程与自动化学院，上海 200072）

收稿日期:2013-04-15 修回日期:2013-07-24 出版日期:2015-01-25 发布日期:2015-01-25

Hand gesture recognition based on analysis
of appearance features and its application

QU Yanqin，LI Xin，LU Xiayan

（School of Mechatronic Engineering and Automation，Shanghai University，Shanghai 200072,China）

Received:2013-04-15 Revised:2013-07-24 Online:2015-01-25 Published:2015-01-25

摘要/Abstract

摘要：

针对复杂背景下的手势识别容易受到环境干扰造成的识别困难问题，通过分析手势的表观特征，提出并实现了一种可用于自然人机交互的手势识别算法。该算法基于Kinect深度图像实现手势区域分割，然后提取手势手指弧度、指间弧度、手指数目等具有旋转缩放不变性的表观特征，运用最小距离法实现快速分类。并将该算法成功运用于实验室三指灵巧手平台，达到了理想的控制效果。实验表明该算法具有良好的鲁棒性，针对九种常用手势，平均识别率达到94.3%。

关键词: 计算机视觉, 深度图像, 手指弧度, 表观特征, 手势识别

Abstract:

Hand gesture recognition in complex background is susceptible to environmental interference, thus leading to recognition difficulty. According to this recognition problem, by analyzing the appearance features of hand gesture, a hand gesture recognition algorithm for natural human computer interaction is proposed and implemented. By using depth images which obtain from Kinect, we extract features like gesture finger radians, radians between fingers and the number of fingers, and properly utilize minimum distance algorithm for achieving fast and efficient classification. Experimental results show that the algorithm is robust and real-time with an average recognition rate of 94.3% for nine frequently-used gestures.

Key words: computer vision；depth image；finger radian；appearance features；gesture recognition

屈燕琴，李昕，卢夏衍. 基于表观特征分析的手势识别及其应用[J]. J4, 2015, 37(1): 139-145.

QU Yanqin，LI Xin，LU Xiayan. Hand gesture recognition based on analysis
of appearance features and its application [J]. J4, 2015, 37(1): 139-145.

[1]	龚浩成, 朱海, 黄子非, 杨明泽, 张开昱, 吴飞. 基于表征知识蒸馏的WiFi手势识别方法[J]. 计算机工程与科学, 2025, 47(4): 655-666.
[2]	马玉民, 钱育蓉, 周伟航, 公维军, 帕力旦·吐尔逊. 基于孪生网络的目标跟踪算法综述[J]. 计算机工程与科学, 2023, 45(9): 1578-1592.
[3]	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(4): 665-673.
[4]	苟淞, 赵绪言, 侯松, 李威. 基于多尺度优化感知网络的口罩检测方法[J]. 计算机工程与科学, 2022, 44(8): 1440-1448.
[5]	张蕾, 王园宇, 张文涛. 融合感知损失的单幅雾霾图像深度估计[J]. 计算机工程与科学, 2022, 44(3): 486-494.
[6]	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(2): 298-305.
[7]	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.
[8]	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.
[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(5): 851-858.
[10]	袁浩翔，陈姝，林敏. 基于多约束优化的图像深度信息估计[J]. 计算机工程与科学, 2019, 41(9): 1650-1655.
[11]	谭志国1，2,欧建平1,张军1,沈先耿2. 多特征组合的深度图像分割算法[J]. 计算机工程与科学, 2018, 40(8): 1429-1434.
[12]	刘辉，代照坤，王龙. 基于Hu-GLCM的手势识别方法研究[J]. 计算机工程与科学, 2018, 40(3): 525-532.
[13]	孙浩，邹焕新，计科峰，周石琳. 基于SPOC的“计算机视觉导论”课程混合式教学设计[J]. 计算机工程与科学, 2016, 38(增刊): 127-131.
[14]	郑传远，李良福，肖樟树，陆铖. 一种改进的各向异性扩散深度图像增强算法[J]. 计算机工程与科学, 2016, 38(9): 1823-1829.
[15]	高冠东1,2,王晶1,刘菲1,段庆1,朱杰1. 一种基于极坐标变换的点模式匹配算法[J]. J4, 2016, 38(2): 331-337.