手勢(shì)識(shí)別涉及圖像處理、模式識(shí)別、計(jì)算機(jī)視覺、人工智能等多門學(xué)科，其研究的主要目的就是把手勢(shì)應(yīng)用到人機(jī)接口中，實(shí)現(xiàn)更加自然、和諧的人機(jī)交互。手勢(shì)識(shí)別可用于虛擬現(xiàn)實(shí)、三維設(shè)計(jì)、臨場(chǎng)感、可視化、醫(yī)學(xué)研究、智能監(jiān)控等領(lǐng)域，具有良好的社會(huì)和經(jīng)濟(jì)效益。

　　本文在分析手勢(shì)圖像序列各種特征的基礎(chǔ)上，介紹了動(dòng)態(tài)手勢(shì)圖像序列的光流特征及目前主要的光流計(jì)算方法。對(duì)Hom- Schunk光流算法、Lucas-Kanade光流算法及本文所采用的高斯金字塔光流算法進(jìn)行了重點(diǎn)研究。通過對(duì)手勢(shì)圖像序列光流特征的提取及量化，建立了手勢(shì)模型，并在此基礎(chǔ)上訓(xùn)練生成了特定動(dòng)態(tài)手勢(shì)的公共模板庫及在線識(shí)別索引序列庫。最后，采用優(yōu)化的DTW算法實(shí)現(xiàn)了特定動(dòng)態(tài)手勢(shì)的識(shí)別。

　　在光流算法的研究中，采用matlab 進(jìn)行仿真實(shí)驗(yàn)，結(jié)果表明高斯金字塔光流算法可以得到更為精確的光流場(chǎng)。整個(gè)識(shí)別系統(tǒng)在Visual Studio. Net 2008結(jié)合OpenCV 1.0環(huán)境下，采用C#開發(fā)語言，編程實(shí)現(xiàn)了輸入視頻的預(yù)處理、高斯金字塔光流計(jì)算、DTW識(shí)別算法等。

　　實(shí)驗(yàn)結(jié)果表明，本文的特定動(dòng)態(tài)手勢(shì)識(shí)別系統(tǒng)能夠較好地識(shí)別出四種特定的動(dòng)態(tài)手勢(shì)，平均辨識(shí)率達(dá)到了94.5%。

　　從手勢(shì)識(shí)別的對(duì)象束看，目前手勢(shì)識(shí)別系統(tǒng)又可分為動(dòng)態(tài)手勢(shì)識(shí)別系統(tǒng)和靜態(tài)手勢(shì)識(shí)別系統(tǒng)。其中，靜態(tài)手勢(shì)識(shí)別系統(tǒng)主要是利用手部做出的各種不同的手形作為不同的語義的表達(dá)，靜態(tài)手勢(shì)并不研究手部的運(yùn)動(dòng)軌跡，與正常的人機(jī)交五目標(biāo)還有一定的差距。而動(dòng)態(tài)手勢(shì)識(shí)別系統(tǒng)通過跟蹤整個(gè)手部做出的不同運(yùn)動(dòng)軌跡，把這些不同的運(yùn)動(dòng)軌跡看作不同的語義表達(dá)，來實(shí)現(xiàn)更符合人類習(xí)慣的人機(jī)對(duì)話。

　　靜念手勢(shì)識(shí)別由于不涉及圖像時(shí)空序列的研究，因此，在對(duì)象分離和對(duì)象跟蹤上相對(duì)簡(jiǎn)單。而動(dòng)態(tài)手勢(shì)識(shí)別需要解決手部分離、手部跟蹤、手部運(yùn)動(dòng)軌跡的理解等-系列的問題，因此涉及的研究領(lǐng)城比較廣泛，其中包括圖像處理、模式識(shí)別、人工智能等多門學(xué)科。另外，動(dòng)態(tài)手勢(shì)識(shí)別還可以兼容和結(jié)合靜態(tài)手勢(shì)識(shí)別的結(jié)果，從而達(dá)到更加豐富的語義表達(dá)，能夠更好地實(shí)現(xiàn)和諧人機(jī)交互。基于計(jì)算機(jī)視覺的動(dòng)態(tài)手勢(shì)識(shí)別技術(shù)正成為探索人機(jī)交互系統(tǒng)的關(guān)鍵技術(shù)之。