计算机视觉基础毕业论文范文模板计算机视觉基础论文文档.doc

《计算机视觉基础毕业论文范文模板计算机视觉基础论文文档.doc》由会员分享，可在线阅读，更多相关《计算机视觉基础毕业论文范文模板计算机视觉基础论文文档.doc（9页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、 计算机视觉基础论文2700字_计算机视觉基础毕业论文范文模板 计 算 机 视 觉 基 础 论 文 2700 字 (一)：论 计 算 机 视 觉 基 础 下的手势检测识别技术摘 要 随 着 计 算 机 技 术 和 图 像 成 形 技 术 的 发 展 ，计 算 机 视 觉 基 础 下 的 手 势 检 测识 别 技 术 开 始 受 到 业 界 人 士 的 广 泛 关 注 ， 为 人 机 交 互 方 式 的 研 究 提 供 了 技 术 支 持 。本文从手 势 检 测 识 别 的 过程出发 ， 分析了 计 算 机 视 觉 基 础 下 的 手 势 检 测 识 技 术 和手 势 检 测 识 别 技 术 的

2、 发 展 方 向， 供 手 势 检 测 识 别 技 术 的 研 究 人 员参考。关 键词手 势 检 测 ；识 别 技 术 ；计 算 机 视 觉 基 础引言：传统的 人 机 交 互 方 式 主要 有两种， 一种是以键盘为 媒介的 文本交 互 ，一种是以鼠标为 媒介的 图 形 交 互 ， 这两种人 机 交 互 方 式 的 应用都是以计 算 机 为 中心的 ， 实际上是计 算 机 用户去适应计 算 机 的 发 展 模式 ， 这让人 机 交 互 过程存在着诸多不利因素， 为 此技 术 人 员开 始 将手 势 检 测 识 别 技 术 应用在人 机 交 互 中。1.手 势 检 测 识 别 的 过程大多数手

3、 势 检 测 识 别 技 术 的 应用过程都包括了 以下 几个环节：图 像 处理环节，该阶段内手 势 检 测 识 别 技 术 会将视 频中的 动态画面划分成 若干个静止画面， 并根据手 势 检 测 的 规定和 其中图 片的 要 求来分析计 算 机 中的 图 像 ， 去除视 频中没有应 用 价 值 的 信 息 ， 并 对 其 进 行 滤 波 处 理 ； 手 势 检 测 环 节 ， 该 阶 段 内 手 势 检 测 识 别 技术 会 检 测 剩 余 图 像 中 是 否 存 在 手 势 ， 将 存 在 手 势 的 图 像 与 其 他 的 图 像 进 行 分 离 ，从 而 得 到 具 体 的 手 势 图

4、 像 ， 从 而 进 行 下 一 步 的 手 势 识 别 工 作 ； 手 势 识 别 环 节 ， 手势 检 测 识 别 技 术 会 进 一 步 分 析 存 在 手 势 的 图 像 ， 并 根 据 识 别 出 来 的 特 征 来 划 分 手势 的 类 型 。计算机视觉基础下 的 手 势 检 测 识 技 术 也是 围绕着这些应用 环 节 发展的 。2.计算机视觉基础下 的 手 势 检 测 识 技 术2.1 手 势 图 像 处 理 技 术手 势 图 像 处 理 技 术 主要被应用 在 图 像 处 理 环 节 。手 势 检 测 识 别 技 术 的 应用 开始于手 势 的 输入， 手 势 检 测 识 别

5、 装置中 的 摄像 机能够将 输入的 手 势 记录下 来 ， 并将 在 手 势 中 采集到 的 信 息 传送到 与 之相连的 计算机中 ， 因此使用 人员能够通过手势 输入的 方式将 视频转换为计算机能够识 别 的 数字图 像 。为了防止计算机获得 的图 像 受到 外界因的素干扰， 工 作 人员要应用 手 势 图 像 处 理 技 术 对 图 像 进 行 预处 理 ，进 而 去除存 在 于图 像 中 的 噪音， 同时使得 图 像 中 的 重要信 息 得 以被强化。2.2 手 势 分 割技 术手 势 分 割技 术 主要被应用 在 手 势 检 测 环 节 。手 势 分 割的 质量直接影响着手 势特

6、征 的 检 测 结果和手 势 类 型 的 判断结果， 为此技 术 人员在 手 势 检 测 环 节 中 应用 了手 势 分 割技 术 。常见的 手 势 分 割技 术 有肤色模型 分 割技 术 和轮廓跟踪分 割技 术 。 肤色模型分割技术的应用依据是不同的皮肤信息，皮肤信息是所有的手势图像中最为明显和效果最好的，尽管不同人群的肤色存在一定程度的区别，但是其在色彩空间的分布中有着呈聚类的特点，肤色模型的建立就是以不同肤色在色彩空间中的分布特点为基础的，这样以肤色模型为应用基础的肤色模型分割技术能够让工作人员在最短的时间内找出手势存在的候选区域1。轮廓跟踪分割技术的理论依据是多种多样的，其中应用范围最

7、广也是应用效果最好的为 Snake 模型，Snake 模型对噪音的敏感程度较高，并能够以此为依据展开轮廓跟踪，检测出跟踪目标的变形等复杂的结构运动，进而将手势从复杂的图像背景中分离出来。2.3 手势特征提技取 术手势特征提技取 术主 要 被 应用在手势识 别环 节 。存在手势的图像在经 过 分割后 会 在图像中呈现 出手势的边 缘 ，通 过 对手势边 缘 的分析 能够得 到 手势的全 部 形状 ，在定位 了 手势的形状 后 可 以应用手势特征提技取 术来分析 手势图像中存在的手势特征。手势特征的提工取 作是在手势分割工作完 成 后 进行 的，也就是说 手势特征提工取 作与 手势分割工作是密 不

8、可 分的，在手势检测识 别系 统 中两 者 是同时进行 的。手势特征的描 述 载 体 有手的颜 色、 形状 、 长 短、 面 积 、 凹 凸 程度手指 之 间的距 离等，这些 载 体 能够显示 手骨 架 的所在位 置 ，通 常 情 况 下 手势虽 所在区域和周边 的像素 被 赋 予 的是“1”值，图像中不存在手势的区域和周 边 的像素 被 赋 予 的是 “0”值，这样就在图像中形成了二值手势图像，工作人员在手势图像中对不同值的区域进行变形处理，进而在分析出其中涵盖的手势特征。2.4 手势识别技术手势识别技术主要被应用在在手势识别环节。手势可以被分为静态和动态两种形式，静态手势主要是依靠手的形状

9、来传达某种信息的，每个静态的手势都能对应手势模型中不同的参数点；动态手势主要是依靠手的运动来传达某种信息的，每个动态的手势都能对应手势模型中不同的运动轨迹。手势识别技术的应用能够将手势模型中不同的参数点和运动轨迹分类到规定的子集中。静态手势具有静止性特点，其识别技术比较简单，识别过程也比较简洁，并且静态手势的识别技术是独立发展的，与其空间和时间上的排列顺序无关，其识别技术中主要有统计法和神经网络法。动态手势具有能动性特点，其中不同手势的速度、熟练程度是不一样的，因此其识别过程将中涉及到了手势位置的确认，但不涉到空间和时间上的排列顺序问题，其识别技术中主要有时间规整法和隐马尔可夫法2。3.手势检

10、测识别技术的发展方向3.1 一次识别成功现阶段应用的手势检测识别技术都是要经过大量和多次的计算后才能完成的，并且其计算体系和设备要经过专门的训练，在计算过程中上层计算好的数值被输入到下层的计算体系中，同时上下层之间也在进行反方向输送从而减少计算 的误差，这样的计算过程是极其繁琐的，并且将循环进行，直到所得出计算结果和预测数值之间的误差是符合手势检测识别系统规定的。手势检测识别的计算过程将消耗工作人员大量的时间和实验资源，但是在人与人的交互过程中，手势只需一次应用就能完成相互理解的工作，因此将人与人之间的交互应用原理在人机交互过程中是手势检测识别技术的一个研究方向，其应用目的在于减少手势检测识别

11、技术的训练次数和减轻其计算过程的复杂程度，最终实现一次识别成功。如果计算机视觉基础下的手势识别能够一次成功的话，计算机就能像人类一样通过一次认知来进行识别，这样计算机就能朝着更加智能化的方向发展3。3.2 融合多种 学 科 知识手势检测识别实际 上 就是计算机的图 像处 理过程，对 于计算机的使 用者 来说 ，这种 人机交互的技术能够为 计算机用户 提 供 更加丰 富 的信 息 资料 。但由 于手势检测识别技术的应用时间和发展时间较 短 ，其中还 存 在着很 不多 能满 足 现代 人需求的技术局 限 ，为 此技术人员要 对 手势检测识别技术进行创 新 ，并在其中融入 种多学 科 的知识，如心

12、理学 、人类功效学 、设计学 等，进而实现手势检测识别技术的全面发展。总结：很 手多 势检测识别技术都是在人类的自然活动中产生的，其设计和应用的灵感有很 都多 来源于人类自身识别事物的方式，将人类的行为 活动演变成技术并应用在计算机系统中，能够提 高人机交互的智能化发展，推进计算机技术和计算机系统的进步，为 人工智能的发展做出贡献。 计 算 机 视 觉 基 础 毕 业 论 文 范 文 模 板 (二 )：基 于 计 算 机 视 觉 技术 的 手 势 识 别 步 骤 与方法研究摘 要 ： 计 算 机 视 觉 技 术 在 现 代 社 会 中 获 得 了 非 常 广 泛 的 应 用 ， 加 强 对 手

13、 势 识别 技 术 的 研 究 有 助 于 促 进 社 会 智 能 化 的 快 速 发 展 。 目 前 ， 手 势 识 别 技 术 的 实 现 需要 完 成 图 形 预 处 理 、手 势 检测以及场景划分以及手 势 识 别 3 个步骤。 此外， 手 势特征可以分为动态手 势 以及静态手 势 ， 在 选用 手 势 识 别 方法时要 明确两者之间的区别 ， 通常 情况下选用 的 主要 手 势 识 别 技 术 有 运用 模板匹配的 方法、运用 SVM 的动态手 势 识 别 方法以及运用 DTW 的 动态手 势 识 别 方法等。 文章对 此展 开研 究 。关键词： 计 算 机 视 觉 ；手 势 识 别

14、 ；方法随着现 代 科学技 术 水平的 不断发 展 ， 计 算 机 硬件与软件部分都获 得 了 较大的此由促 进 了 以计 算 机 软硬件为载体的 计 算 机 视 觉 技 术 的 进 步， 使得 计 算 机视 觉 技 术 广 泛 地应 用 到多个行业领域中 。 手 势 识 别 技 术 就是其中 非 常 典型的 一项应 用 ， 该技 术 建立在 计 算 机 视 觉 技 术 基础上来实 现 人类与机 器的 信息交互， 具有良好的 应 用 前 景和市场价值， 吸引了 越来越多的 专家与学者加 入到手 势 识 别 技 术的 研 发 中 。 手 势 识 别 技 术 是以计 算 机 为载体， 利用 计 算

15、 机 外接检测部件（如传感器、摄像头等）对 用 户某些特定手 势 进 行精准检测及识 别 ， 同时将获 取的 信息进行整合并将分析结果输出的 检测技 术 1。 这样的 人机 交互方法与传统通过文字输入进 行信息交互相比较具有 非 常 多的 优点， 通过特定的 手 势 就可以控制机 器作出相应 的 反馈。 1 基于计算机视觉技术的手势识别主要步骤通常情况下，要顺利的实现手势识别需要经过以下几个步骤：第一，图形预处理。该环节首先需要将连续的视频资源分割成许多静态的图片，方便系统对内容的分析和提取；其次，分析手势识别对图片的具體要求，并以此为根据将分割完成的图片中的冗余信息排除掉，最后，利用平滑以及

16、滤波等手段对图片进行处理2。第二，手势检测以及场景划分。计算机系统对待检测区域进行扫描，查看其中有无手势信息，当检测到手势后需要将手势图像和周围的背景分离开，来 并锁定 需要进行手势识别的确 切 区域，为接 下的来 手势识别做 好 准 备 3。第三 ，手势识别。在 将手势图像与 周围环境 分离开后来 ，需要对手势特 征 进行分析和收 集 ，并且 依 照 系统中设 定 的手势信息识别出 手势指 令 。2 基于计算机视觉的手势识别基本 方法在 进行手势识别之 前 必 须 要完成手势检测工 作 ，手势检测的主要任 务 是 查看目 标 区域中是 否 存 在 手势、手势的数量以及各个手势的方位，并将检测

17、到的手势与 周围环境 分离开。来 现阶段实现手势检测的算法 种类相对较多，而将手势与 周围环境 进行分离通常运用图像二值化的办法 ，换言之 ，就是 将检测到手势的区域标 记为黑色，而周边其余区域标 记为白色，以灰度图的方式将手势图形显现出 来4，图像二值法 分离出 的常见手势图形如图 1 所示。 在完成手势与周围环境的分割后，就需要进行手势识别，该环节对处理好的手势特征进行提取和分析，并将获得的信息资源代入到不同的算法中进行计算，同时将处理后的信息与系统认证的手势特征进行比对，从而将目标转化为系统已知的手势。目前，对手势进行识别主要通过以下几种方法进行。2.1 运用模板匹配的方法众所周知，被检

18、测的手势不会一直处于静止状态，也会存在非静止状态下的手势检测，相对来说动态手势检测难度较大，与静态手势检测的方式也有一定的区别，而模板匹配的方法通常运用在静止状态下的手势检测。这种办法需要将常用的手势收录到系统中，然后对目标手势进行检测，将检测信息进行处理后得到检测的结果，最后将检测结果与数据库中的手势进行比对，匹配到相似度最高的手势，从而识别出目标手势指令5。常见的轮廓 边 缘 匹配以及 距 离 匹配等 都 是 基于这个 方法进行的。这些 办法都 是 模板匹配的细 分，具 有处理速 度快 、操作方式简单的优点，然而在分类精确性上比较欠缺，在进行不同类型手势进行区分时往往受限于手势特征，并且能

19、够识别出的手势数量也比较有限。2.2 运用 SVM 的动态手势识别方法在 21 世纪初期，支持向量机（SupportVectorMachine，SVM）方法被发明出来并获得了较好的发展与应用，在学习以及 分类功能上都 十分优秀。支持向量机方法是 将被检测的物体投影到高维空间，同时在此区域内设定最大间隔超平面，以此来实现对目标特征的精确区分。在运用支持向量机的方法来进行动态手 势识别时，其关键点是选取适宜的特征向量。为了逐步解决这样的问题，相关研发人员提出了利用尺度恒定特征为基础来获得待检测目标样本的特征点，再将获得的信息数据进行向量化，最后，利用支持向量机方法来完成对动态手势的识别。2.3 运

20、用 DTW 的动态手势识别方法动态时间归整（DynamicTimeWarping，DTW）方法，最开始是运用在智能语音识别领域，并获得了较好的应用效果，具有非常高的市场应用价值。动态时间归整方法的工作原理是以建立可以进行调整的非线性归一函数或者选用多种形式不同的弯时曲 间轴 来处 理各 个 时间节 点上 产 生 的非线性变 化。在使 用动态时间归整方法进行目标信息区 分 时，通 常是创 建各 种类 型 的时间轴 ，并利用各 个 时间轴 的最大 程 度重 叠 来完成区 分 工作。为了保 证 动态时间归整方法能够 在手势识别中 取得较好的效果，研究 人员已 经 开展 的大 量的研发工作，并实 现 了 5 种手势的成功 识别，且 准 确 率 达 到 了 89.1%左 右 。3 结 语通 常情 况 下 许 多手势检测方法都 借 鉴 人们 日 常生 活 中 观 察 目标与 识别目标的思 路 ，人类 在确 认 目标事 物 时是依 据物 体 色 彩 、外形以及运动情 况 等进行区 分 ，计算机视觉技术也是基于此，所以在进行手势识别时也要加强人类 识别方法的应用，促使 基于计算机视觉技术的手势识别能够 更快速、更精准 。