计算机视觉的手势识别技术研究

随着无处不在的计算的发展，人们普遍认为，当前与计算机（鼠标和键盘）交互的流行方式将成为有效利用计算机与人类之间的信息流的瓶颈。由于这些设备的限制，可用命令集也受到限制。然而直接使用手作为输入设备是提供自然的人机交互的一种十分具有吸引力的方法，手势识别也一直是一个令人兴奋的研究领域。基于计算机视觉的手势识别有可能成为一种强大而自然的工具，能够支持人与计算机之间的高效且直观的交互。手势的视觉解释可以帮助实现人机交互（HCI）所需的轻松性和自然性。因此，这也令许多研究人员努力进行基于计算机视觉的手势分析和解释，这是一个非常活跃的研究领域。各种研究人员提出了用于手势识别的不同方法。本文的目的是介绍手势识别领域，作为与计算机交互的一种机制，同时也比较了目前手势识别开发的方法。

一、手势识别的应用领域

1.1基于模型的方法

基于模型（运动学模型）的方法试图推断手掌的姿势和关节角度。这种方法对于虚拟环境中的现实交互将是理想的。通常，该方法包括搜索运动学参数，这些运动学参数使手部3D模型的2D投影与手部的基于边缘的图像相对应。基于模型的方法的常见问题是特征提取（即边缘）的问题。人的手本身相当缺乏纹理，并且内部没有提供许多可靠的边缘。通常从遮挡边界中提取边缘。为了促进边缘与模型边缘的明确提取和对应，这些方法需要手的背景是均匀的和高对比度的。

1.2基于外观的方法

由于上述与基于运动学模型的方法相关的拟合比较困难，许多人已经寻求使用手的替代表示。基于外观的方法是近年来备受关注的另一种方法。基于外观的方法（也称为基于视图的方法）通过2D强度图像集合对手进行建模。反过来，将手势建模为一系列视图。

1.3基于低级特征的方法

在许多手势应用中，然而所需的只是输入视频与手势之间的映射。因此，许多人认为手的完全重建对于手势识别并不是必不可少的。取而代之的是，许多方法利用了对噪声这一相当稳健并且可以快速提取的低级图像测量值的提取。其他低级特征还包括：手区域的质心，定义手的椭圆边界区域的主轴以及手的光学流/仿射流场景中的区域。

二、手势识别实现的要求

2.1稳健性

在现实世界中，由于光照条件，动态背景，遮挡物等变化，视觉信息可能非常丰富，嘈杂且不完整。基于视觉的系统应独立于用户且对所有这些都应具有稳健性因素。

2.2.计算效率

通常情况下，基于视觉的交互一般都需要实时系统。基于视觉的交互中使用的视觉和学习算法应该既高效又具有成本效益。

2.3用户的适应性

应该允许基于视觉的交互系统发生故障或错误。一旦犯了错误，不应该使系统承受过大损失。此时可以要求用户重复某些操作，直到识别出所要表达的操作，而不是让计算机做出更多错误的决定。

2.4可扩展性