基于Opencv的手勢識別系統(tǒng)

基于Opencv的手勢識別系統(tǒng)分析1指導(dǎo)老師：魯曉軍作者：毛曉潔日期：2013.10.18基于Opencv的手勢識別系統(tǒng)分析系統(tǒng)研究背景手勢識別流程分析系統(tǒng)總體結(jié)構(gòu)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)總結(jié)21.系統(tǒng)研究背景及應(yīng)用人機(jī)交互在當(dāng)今計(jì)算機(jī)技術(shù)迅猛發(fā)展的今天逐漸成為人們?nèi)粘Ｉ钪械闹匾糠质謩葑R別是一種簡單、直觀的新的交互方式，被越來越多的采用基于手勢識別的窗口控制系統(tǒng)，可以應(yīng)用在很多方面，比如PC上的鼠標(biāo)控制、Android界面控制、圖片瀏覽、音樂播放器控制等方面。3本系統(tǒng)目標(biāo)：通過讀取攝像頭信息來識別相應(yīng)的手勢進(jìn)行鼠標(biāo)控制?？刂七壿嬋缦拢菏终疲ㄎ逯溉可扉_時）表示鼠標(biāo)移動（用手掌中心來對應(yīng)移動距離），一根手指表示點(diǎn)擊（最好的體驗(yàn)應(yīng)該是通過指尖來確定位置，但是實(shí)現(xiàn)比較困難的話就先用手掌中心進(jìn)行代替），拳頭表示鼠標(biāo)按鍵彈起2.系統(tǒng)總體結(jié)構(gòu)總體結(jié)構(gòu)如下：53.系統(tǒng)實(shí)現(xiàn)分析圖像（包含手勢）的預(yù)處理膚色檢測與分割手勢模板匹配跟蹤與預(yù)測算法：Camshift算法和Kalman算法接口部分的設(shè)計(jì)與實(shí)現(xiàn)63.1圖像預(yù)處理預(yù)處理目的：為了改善圖像的質(zhì)量，有兩種方法：--圖像的增強(qiáng)不考慮圖像降質(zhì)的原因，只將圖像中感興趣的特征有選擇的突出，而衰減次要信息特點(diǎn)：能提高圖像的可讀性，但改善后的圖像不一定逼近原始圖像?？捎脠龊希喝缢p各種噪聲、突出目標(biāo)的輪廓等--圖像的復(fù)原針對圖像降質(zhì)的原因，設(shè)法去補(bǔ)償降質(zhì)因素，從而使改善后的圖像盡可能的逼近原始圖像。圖像增強(qiáng)的兩大應(yīng)用改善圖像的視覺效果突出圖像的特征，便于計(jì)算機(jī)處理方法（1）灰度變換（2）直方圖修正線性：均值濾波器，高斯平滑濾波器（3）濾波

非線性：中值濾波邊緣保持濾波

灰度級變換的應(yīng)用之一亮度調(diào)整——加亮、減暗圖像25512825521825512825532直接灰度變換直接灰度變換圖例求反對比度增強(qiáng)亮度增強(qiáng)一個指紋圖像增強(qiáng)的實(shí)例直方圖的作用直方圖修正灰度均衡有時也稱直方圖均衡直方圖修正直方圖修正直方圖均衡化圖像中的脈沖噪聲模型在圖像傳輸過程中，經(jīng)常會受到各種噪聲的干擾，在進(jìn)行進(jìn)一步的邊緣檢測、圖像分割、特征提取、模式識別等處理前，需要采用適當(dāng)?shù)姆椒ūM量減少噪聲最常見的圖像噪聲：脈沖噪聲特點(diǎn)：噪聲點(diǎn)的取值與圖像信號本身無關(guān)椒鹽噪聲隨機(jī)值脈沖（加性）噪聲(a)原始圖像(b)高斯噪聲被高斯噪聲所污染的圖像3X3窗口7X7窗口均值濾波器的效果（a）原圖像（b）3*3均值濾波（c）5*5均值濾波（d）9*9均值濾波（e）15*15均值濾波（f）36*35均值濾波觀察6幅圖，總結(jié)鄰域平均模板大小對濾波結(jié)果的影響。高斯平滑濾波器-1

根據(jù)高斯函數(shù)選擇鄰域內(nèi)各像素的權(quán)值高斯平滑濾波器高斯平滑濾波器…2高斯函數(shù)具有五個重要的性質(zhì):

旋轉(zhuǎn)對稱性

在各個方向上的平滑是一致的單調(diào)遞減

鄰域的影響隨著距離的增加而減弱付氏頻譜是單瓣的

保留所需信號高斯平滑濾波器…3參數(shù)σ調(diào)節(jié)平滑程度

在過平滑與欠平滑之間取得平衡可分離性

降低計(jì)算復(fù)雜度高斯平滑濾波器…4模板設(shè)計(jì)方法:直接法高斯平滑濾波器-5直接法：直接根據(jù)高斯函數(shù)的離散值計(jì)算模板權(quán)值（1）計(jì)算離散值ó2=2，n=7高斯平滑濾波器-6（2）放大，取整（3）規(guī)范化，使權(quán)值之和為17X7高斯濾波模板15X15高斯濾波模板鄰域運(yùn)算輸出圖象中每個象素是由對應(yīng)的輸入象素及其一個鄰域內(nèi)的象素共同決定時的圖象運(yùn)算。通常鄰域是遠(yuǎn)比圖象尺寸小的一規(guī)則形狀。如：下面情況中，一個點(diǎn)的鄰域定義為以該點(diǎn)為中心的一個圓內(nèi)部或邊界上點(diǎn)的集合。鄰域運(yùn)算與點(diǎn)運(yùn)算一起構(gòu)成最基本、最重要的圖象處理工具。中值濾波器（1）取鄰域（2）按亮度值大小排列像素點(diǎn)（3）選排序像素的中間值作為中心點(diǎn)的新值非線性濾波中值濾波中值濾波的原理用一個N×N的窗口（N=3，5，7…）在圖像上滑動，把窗口中像素的灰度值按升/降次序排列，取排列在正中間的灰度值作為窗口中心所在像素的灰度值。性質(zhì)是一種非線性濾波，對消除脈沖噪聲十分有效。在去除噪音的同時，可以比較好地保留邊的銳度和圖像的細(xì)節(jié)中值濾波的原理用模板區(qū)域內(nèi)象素的中值，作為結(jié)果值R=mid{zk|k=1,2,…,9}強(qiáng)迫突出的亮點(diǎn)（暗點(diǎn)）更象它周圍的值，以消除孤立的亮點(diǎn)（暗點(diǎn)）中值濾波中值濾波算法的實(shí)現(xiàn)將模板區(qū)域內(nèi)的象素排序，求出中值。例如：3x3的模板，第5大的是中值， 5x5的模板，第13大的是中值， 7x7的模板，第25大的是中值， 9x9的模板，第41大的是中值。對于同值象素，連續(xù)排列。如（10,15,20,20,20,20,20,25,100）中值濾波中值濾波主要用途：鈍化圖像、去除噪音計(jì)算公式：R=mid{zk|k=1,2,…,9}最大值濾波主要用途：尋找最亮點(diǎn)計(jì)算公式：R=max{zk|k=1,2,…,9}最小值濾波主要用途：尋找最暗點(diǎn)計(jì)算公式：R=min{zk|k=1,2,…,9}最大值濾波最小值濾波中值濾波消除雀斑中值濾波消除雀斑圖4-24噪聲平滑實(shí)驗(yàn)圖像（a）Lena原圖；（b）高斯噪聲；（c）椒鹽噪聲；(d)對(c)平均平滑；(e)對(b)平均平滑；(f)對(b)5×5中值濾波；(g)對(c)5×5中值濾波abcdefg3.2手勢檢測與分割分割即將目標(biāo)物體從背景中分離，以便進(jìn)行下一步分析。常用方法：背景差分法基于膚色空間的分割通過訓(xùn)練器進(jìn)行訓(xùn)練本系統(tǒng)使用第二種方法，因?yàn)槠溆?jì)算量小，在背景及光照不變的情況下效果比較理想83.3基于膚色的手勢分割根據(jù)膚色在某一顏色空間中的取值范圍進(jìn)行分割提取，主要是在RGB和HSV、Ycrcb空間中。9HSV(hue,saturationandvalue)的縮寫A.R.Smith根據(jù)顏色的直觀特性于1978年創(chuàng)建