基于嵌入式系统实时交互的手势识别方法

结果。与其他手势识别方法比较，本文提出的方法有相当的识别率，还实现了手势跟踪的结果对识别的反馈，并在实时性方面满足嵌入式系统的需求（20~25fps）,明显好于文献[7]（一种面向实时交互的变形手势跟踪方法，18fps）和目前流行的HandVu的识别效率。

表3手势识别算法比较

鲁棒性方面，由于本文采用了模糊运算，图像模糊分割的准确率达到96.4%,对环境的变化具有很好的抗干扰性。即使背景有人的走动造成环境和光线的剧烈变化，也不会对手势轮廓缺陷图造成太大的影响。

5结束语

本文针对人机交互领域基于视频手势在嵌入式系统上的实时交互任务提出一种快速、计算量小的手势识别方法。它结合了基于模型与基于表观方法的特点，是建立在对目标对象-手势的理解基础上，通过识别静态手势实现了手势的跟踪与识别。与传统的手势识别系统不同，它在注重识别效果的同时还要注重算法的计算复杂度。通过使用手势轮廓缺陷图作为手势识别的特征结构，不仅大大减少了计算量，由于缺陷图是从整体结构刻画手势的结构，所以它还增强了手势识别的鲁棒性。实验表明本文提出的方法可以满足交互的实时性要求，能很好地用于手势交互的应用系统。