摘要：近年来，手势识别成为人机交互研究领域非常重要的研究热点之一。本文首先利用Kinect传感器获取手势运动的深度图像，并根据深度数据直方图进行手势分割；接着提取手势特征描述子，包括：指尖运动坐标、手部点的Hu矩、指尖运动轨迹的方向角；然后，分别使用DTW算法和HMM算法实现动态手势识别；最后通过自建数据集和公开数据集(Pen-Based Recognition of Handwritten Digits)验证本文方法的有效性。实验结果表明，该方法在两个数据集上都获得较高的识别准确率和较快的运行速度，能够满足实时。

关键字：动态手势识别；Kinect 深度图像； DTW算法； HMM算法

目录

摘要

Abstract

一、绪论-1

（一）研究背景与意义-1

（二）手势的定义与分类-2

（三）研究现状及其难点-4

（四）研究内容及结构安排-6

二、Kinect功能与深度图像手势提取-7

（一）Kinect功能及深度图像介绍-7

1.Kinect功能介绍-7

2.深度图像介绍-8

（二）深度图像手势分割-8

（三）小结-9

三、基于DTW的手势识别-10

（一）DTW算法基本概念与原理-10

1.DTW算法介绍-10

2.DTW识别过程-10

3.累计距离参数选择-12

（二）手势特征提取-13

1.手势特征选取-13

2.手势样本库的建立-14

（三）实验结果-14

1.识别率分析-14

2.时间效率分析-16

（四）小结-16

四、基于HMM的手势识别-17

（一）HMM基本概念与原理-17

（二）HMM的三个基本问题-18

（三）手势特征提取-19

1.手势特征选取-19

2.手势样本库的建立-20

（四）HMM算法实现流程-20

（五）HMM初始值的选取-20

（六）实验结果-21

1.识别率分析-21

2.时间效率分析-22

（七）小结-23

五、总结与展望-23

（一）本文工作总结-23

（二）未来工作展望-24

致谢-25

参考文献-26