手勢識別涉及圖像處理、模式識別、計算機(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應(yīng)用到人機(jī)接口中，實現(xiàn)更加自然、和諧的人機(jī)交互。手勢識別可用于虛擬現(xiàn)實、三維設(shè)計、臨場感、可視化、醫(yī)學(xué)研究、智能監(jiān)控等領(lǐng)域，具有良好的社會和經(jīng)濟(jì)效益。

　　本文在分析手勢圖像序列各種特征的基礎(chǔ)上，介紹了動態(tài)手勢圖像序列的光流特征及目前主要的光流計算方法。對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)行了重點研究。通過對手勢圖像序列光流特征的提取及量化，建立了手勢模型，并在此基礎(chǔ)上訓(xùn)練生成了特定動態(tài)手勢的公共模板庫及在線識別索引序列庫。最后，采用優(yōu)化的DTW算法實現(xiàn)了特定動態(tài)手勢的識別。

　　在光流算法的研究中，采用matlab 進(jìn)行仿真實驗，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。整個識別系統(tǒng)在Visual Studio. Net 2008結(jié)合OpenCV 1.0環(huán)境下，采用C#開發(fā)語言，編程實現(xiàn)了輸入視頻的預(yù)處理、高斯金字塔光流計算、DTW識別算法等。

　　實驗結(jié)果表明，本文的特定動態(tài)手勢識別系統(tǒng)能夠較好地識別出四種特定的動態(tài)手勢，平均辨識率達(dá)到了94.5%。

　　從手勢識別的對象束看，目前手勢識別系統(tǒng)又可分為動態(tài)手勢識別系統(tǒng)和靜態(tài)手勢識別系統(tǒng)。其中，靜態(tài)手勢識別系統(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)手勢并不研究手部的運動軌跡，與正常的人機(jī)交五目標(biāo)還有一定的差距。而動態(tài)手勢識別系統(tǒng)通過跟蹤整個手部做出的不同運動軌跡，把這些不同的運動軌跡看作不同的語義表達(dá)，來實現(xiàn)更符合人類習(xí)慣的人機(jī)對話。

　　靜念手勢識別由于不涉及圖像時空序列的研究，因此，在對象分離和對象跟蹤上相對簡單。而動態(tài)手勢識別需要解決手部分離、手部跟蹤、手部運動軌跡的理解等-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、模式識別、人工智能等多門學(xué)科。另外，動態(tài)手勢識別還可以兼容和結(jié)合靜態(tài)手勢識別的結(jié)果，從而達(dá)到更加豐富的語義表達(dá)，能夠更好地實現(xiàn)和諧人機(jī)交互。基于計算機(jī)視覺的動態(tài)手勢識別技術(shù)正成為探索人機(jī)交互系統(tǒng)的關(guān)鍵技術(shù)之。