摘要：隨著科技的發(fā)展，各種手寫(xiě)輸入、語(yǔ)言輸入法不斷涌現(xiàn)。計(jì)算機(jī)的操作方式也越來(lái)越接近自然言語(yǔ)。手勢(shì)識(shí)別系統(tǒng)由數(shù)學(xué)攝像頭作為輸入設(shè)備，以為人體動(dòng)作為操作指令，指揮操作計(jì)算機(jī)系統(tǒng)動(dòng)作。人體動(dòng)作通過(guò)數(shù)學(xué)攝像頭，轉(zhuǎn)化為計(jì)算機(jī)能識(shí)別的二進(jìn)制圖像信息，經(jīng)過(guò)圖像處理算法，使人們的操作意圖能被計(jì)算機(jī)理解。

本文所實(shí)現(xiàn)手勢(shì)識(shí)別，利用OpenCV提供的各種圖像處理算法，將從數(shù)學(xué)攝像頭采集的圖像視頻信息，通過(guò)圖像濾波，圖像分割等算法，提取到有用的手形信息，再對(duì)其進(jìn)行輪廓特征分析，運(yùn)動(dòng)信息分析。得出圖像視頻的操作意圖，并轉(zhuǎn)化為計(jì)算機(jī)指令，傳遞給操作系統(tǒng)。實(shí)現(xiàn)了直接由人體動(dòng)作操作計(jì)算機(jī)的目的。

關(guān)鍵詞：圖像濾波；圖像分割；輪廓特征分析；OpenCV

中圖分類(lèi)號(hào)：TP311.52 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1007-9599 （2012） 21-0000-03

隨著計(jì)算機(jī)技術(shù)的不斷發(fā)展，以及計(jì)算機(jī)使用的不斷普及，與計(jì)算機(jī)的交互方式也在不斷地發(fā)生著變化。手勢(shì)語(yǔ)言是一種依靠動(dòng)作和視覺(jué)進(jìn)行交流的特殊語(yǔ)言，它還是一種包含信息量最多的人體語(yǔ)言，它與語(yǔ)音和書(shū)面表語(yǔ)言等自然表達(dá)語(yǔ)言的表達(dá)能力相同。

感知物體的顯著性，可以通過(guò)物體的顏色、紋理、邊緣、形狀來(lái)進(jìn)行描述[1]。當(dāng)今感知人體語(yǔ)言識(shí)別技術(shù)比較流行并應(yīng)用在游戲操作中，稱(chēng)為體感游戲。體感游戲同樣帶有攝像頭等感應(yīng)設(shè)備，通過(guò)識(shí)別人體的肢體動(dòng)作，控制進(jìn)行游戲。一般體感游戲著重于技體操作進(jìn)行識(shí)別，對(duì)手形等細(xì)節(jié)并沒(méi)太多的處理。本文著重于對(duì)人們手形識(shí)別的研究，實(shí)現(xiàn)以手形對(duì)計(jì)算機(jī)進(jìn)行操作。

1 圖像處理基礎(chǔ)技術(shù)

1.1 手勢(shì)圖像與背景分割

圖像分割（Image segmentation）是機(jī)算機(jī)領(lǐng)域中極為重要的內(nèi)容之一，是實(shí)現(xiàn)自動(dòng)圖像分析時(shí)首先需完成的操作[2]。在現(xiàn)實(shí)環(huán)境中，由于各樣不同的背景、光線、陰暗等變化，使得手勢(shì)圖像從背景中分割出來(lái)相當(dāng)困難。

經(jīng)研究發(fā)現(xiàn)，人類(lèi)皮膚的顏色在色度空間中的分布被證明是聚類(lèi)在色度空間中一個(gè)較小的區(qū)域中[3]。為了減少環(huán)境的影響，一般我們會(huì)使用HSV顏色空間來(lái)進(jìn)行了分割處理。由于HSV顏色空間中，V代表了亮度，它對(duì)就應(yīng)于全部光能且可量化為光源亮度[4]。這樣的話(huà)，我們就能去除光線帶來(lái)的一部分影響。

經(jīng)過(guò)前人對(duì)圖像算法的研究，我們可以通過(guò)多種途徑對(duì)圖像手形前景與背景進(jìn)行分割：

1）基于像素顏色的分割方法；

2）基于幀差計(jì)算分割方法；

3）基于建立背景模型的分割方法。

1.2 手勢(shì)預(yù)處理

圖像去噪的一個(gè)重要任務(wù)就是去除噪聲的同時(shí)盡可能地保留圖像的邊緣和細(xì)節(jié)[5]。為了更好地對(duì)手勢(shì)區(qū)域進(jìn)行識(shí)別，需要對(duì)采集得到的圖像進(jìn)行一些處理，使得分割出來(lái)的手勢(shì)區(qū)域更加完整。

（1）圖像平滑處理

平滑處理也稱(chēng)為模糊處理，是一項(xiàng)經(jīng)常使用的圖像處理技術(shù)。OpenCV提供cvSmooth個(gè)函數(shù)實(shí)現(xiàn)了圖像平滑處理，該函數(shù)實(shí)現(xiàn)了中值濾波、高斯濾波、雙邊濾波三種濾波的方法。

（2）圖像形態(tài)濾波學(xué)

圖像形態(tài)學(xué)包括膨脹和腐蝕、開(kāi)運(yùn)算和閉運(yùn)算等。開(kāi)運(yùn)算和閉運(yùn)算作為數(shù)學(xué)形態(tài)學(xué)非常重要的運(yùn)算，不但擁有腐蝕和膨脹的功能，同時(shí)還具有本身的多項(xiàng)圖像處理和分析特征[6]。

2 算法具體實(shí)現(xiàn)

2.1 算法思路

在手勢(shì)識(shí)別系統(tǒng)中，第一步，我們希望獲取到完整的手勢(shì)形狀，根據(jù)手勢(shì)形狀輪廓特征，或者直方圖特征等，對(duì)手勢(shì)進(jìn)行識(shí)別。對(duì)于手勢(shì)的運(yùn)動(dòng)識(shí)別，更可使用幀差分圖像的方式，獲取到手勢(shì)運(yùn)動(dòng)的方向。

2.2 圖像分割算法實(shí)現(xiàn)

圖像分割算法使用CodeBook算法實(shí)現(xiàn)。和對(duì)圖像預(yù)處理相似地，我們也可以通過(guò)平滑、閾值等方法，對(duì)分割后的圖像再度進(jìn)行濾波，去噪等處理。而在對(duì)圖像分割后的結(jié)果進(jìn)行處理，使用圖像形態(tài)學(xué)進(jìn)行處理更為有效。在圖像處理基礎(chǔ)技術(shù)中，已經(jīng)討論過(guò)相關(guān)的圖像形態(tài)學(xué)方法，通常使用開(kāi)運(yùn)算或閉運(yùn)算。在存在連續(xù)噪聲雜點(diǎn)時(shí)。使用開(kāi)運(yùn)算對(duì)消降雜點(diǎn)尤為有效。