式实例Р选题背景与研究现状Р语音方式:?适应性差(语音学上的差异、生理上的差异及发音习惯的差异)、强噪声干扰环境下语音技术面临较大困难,很难将控制信号识别出来。Р视觉方式:手势、体态、人脸姿态?手势适应性强,最为直观、方便、自然Р研究难点:?手势本身具有多样性、多义性及时间和空间上的差异性;?人手是复杂变形体;?背景复杂时,很容易将非手势区域误认为手势区域,如何去除非手部分。Р研究内容Р本课题以轮式移动机器人为实验平台,通过单个摄像头对手势进行识别,进而完成对移动机器人的运动状态控制。主要的研究内容可分为如下三个部分:Р(1)建立本课题手势模板库分为训练集和测试集两类,在VC++环境下调用OpenCV机器视觉库实现对模板库中不同背景下图片手势分割。?(2)编写可视化软件界面,并根据手势轮廓、形状或者纹理等提取手势特征,应用模式识别分类方法实现对手势的分类及识别,并达到实时性,识别率达到95%以上。?(3)应用移动机器人平台,选取手势模板库中识别率最高的七种手势作为移动机器人的运动状态控制信号,分别控制移动机器人的前进、后退、直线加速、直线减速、左转、右转和停止七种状态。在不同实验环境(如光照、背景)下,对系统进行整体调试。Р研究方案——手势模板库Р手势分割:把图像中的人手区域(前景)与其他区域(背景区域)划分开。基于肤色信息检测方法——主要步骤是颜色空间变换和肤色建模。Р研究方案——手势分割方法Р肤色建模方法Р阈值化?(肤色范围)Р参数化?(高斯密度函数估计)Р所需存储空间小Р需要考察所选颜色空间中肤色分布的形态Р学习速度快Р非参数化?(统计直方图)Р皮肤纹理检测Р基于统计模型方法?(局部二值模式,LBP)Р基于信号处理方法?(傅里叶变换或者小波变换)Р简单易行Р选择合适的颜色空间Р需要大量统计样本?需要存储空间大Р是一种表述灰度图像某像素点与周围像素点大小关系的二进制描述
全文预览
