● 摘要
随着计算机视觉和人工智能技术的发展，人机交互技术（Human-Computer Interaction, 简称HCI）成为一个研究热点，尤其是自然手势的识别得到了广泛的关注。手势能够通过有意义手部姿态或运动进行提供与计算设备的自然交互接口，分为静态手势和动态手势。
本研究致力于健壮且高准确度的实时动态手势识别系统的研发。该系统能够达到三方面的需求：a）在复杂背景、不同光照条件、手部表观变化、内平面旋转和快速移动等情况具有一定鲁棒性；b）达到实时性；c）能够对动态手势的时空变化有一定的容忍度。
本文所提出的动态手势识别系统囊括三个主要阶段：手势检测，手势跟踪和动态手势识别。对检测阶段，我们提出了一种基于HOG+SVM框架的新型高效且容忍手势内平面旋转的检测算法。在手势跟踪阶段，本文提出了一种基于近邻帧的时空信息和不同方向SVM模型后验概率表的实时跟踪算法。在动态手势识别阶段，通过手势跟踪生成的手势轨迹作为输入，我们利用隐马尔科夫模型（Hidden Markov Models，简称HMM）对该手势轨迹的类型进行识别。
针对本文动态手势识别系统的各阶段提出的算法，我们均进行了相应的大量实验。基于手势检测的实验结果，最高性能的改进HOG特征被用于检测阶段的检测算子。本文所提出的手势跟踪算法也被证明在不同手势跟踪测试数据集下性能优于当前几个最高水准跟踪算法。同时，将手势识别系统与另一个基于HMM算法的手势识别框架相比较，实验结果表明新提出的方法是具有优越性的。最后，我们开发了一个可用动态手势操作的Octave Audio Player音乐播放器。