论文研究基于RGBD信息的动态手势识别方法.pdf

针对现有的动态手势识别方法在复杂环境下，易受无关肤色、光照变化等因素的影响，识别率低、实时性差等问题进行了研究，提出一种动态手势识别方法。该方法首先利用K-均值聚类算法和YCr′Cb′（由YCrCb变换得到）椭圆肤色模型对RGB-D图像完成手势分割；然后将深度信息引入到传统卡尔曼滤波算法中，作为其跟踪参数之一，并在跟踪过程中对检测范围进行加窗处理；最后结合快速动态时间规整算法和突出关键特征点的思想，改进传统动态时间规整算法，并利用改进后的动态时间规整算法完成手势识别。实验表明：提出的手势识别方法在复杂背景下的识别率较高（96.8±1.5%），实时性较好（识别时间1.86±0.02ms）。