基于计算机视觉的手势检测识别技术

刘宇

北京邮电大学

基于计算机视觉的手势检测识别技术

刘宇

北京邮电大学

手势检测识别技术的研发与应用，为广大社会成员日常的工作、学习以及生活带来了极大的便利。手势检测识别技术的应用，是在计算机系统处理手段辅助下产生的一种全新的信息处理技能。本文将手势识别技术作为主要研究课题，在简单介绍手势识别技术基本发展近况的基础之上，将手势识别技术应用的主要工作流程、方法以及其在未来研发领域的发展趋势等，做出了详尽的介绍。

计算机视觉；手势识别；技术

前言

进入到二十一世纪过后，在世界范围内计算机信息处理技术不断飞速发展的前提下，国际范围内各主要经济大国之间智能图像识别技术的应用水准，也获得了突飞猛进的发展。当今社会广泛流行的图像系统识别技术手段的应用方式，也是在传统人类仿生模拟神经元技术研发设想的基础之上，进一步完善和发展得来的。

一、图像智能识别技术手段的发展近况

（一）智能识别技术手段的发展近况

国内计算机领域的专业技术人员董丽君与元森等人，在结合国内图像识别技术应用现状的基础之上，对美国图像识别技术的方案应用形式，做出了进一步的改善。并将改革过后的图像识别技术，广泛应用在医学以及汽车工业制作的生产领域之中。二十一世纪初期，国际著名计算机技术研究人士威廉等人联合推出了向量机械设备学习网络的研究设想。纵观智能识别技术手段的发展历程，向量机械设备研究理论的提出不仅是图像识别统计理论中的一大壮举，也是能够帮助技术人员准确核算图像识别数据的最佳途径之一[1]。

在目前国际范围内手势识别技术的研发历程之内，普遍因受到各种主客观方面因素的影响，存在各种较为凸显的研发难点。首先，如果手势识别的被动方所处的光照环境受到严重的限制，其手部存在大量暗影、不能完全映照在识别设备指定的展示区域之内。不仅相应识别系统核算结果的精准度会受到严重的影响，而且手势识别与手势所处背景的分割效率也会出现不同程度的误差。其次，作为图像识别技术的主要对象人手，同时有手指、手背等多个不同的关节部分共同组成。在手腕与手掌的关节连接处，存在大量需要识别程序及时分割的信息内容。如何提升这一信息识别环节的精准度，也是需要技术人员重点关注的研究课题。

（二）系统处理案例的研究与分析

为更好的检测图像识别技术应用的精准度及其能够为人类生产生活带来的便利，笔者通过列举正方形、圆形、三角形等经典的图像识别对象作为研究案例。在整个案例探究的过程之中，搜集相应的识别对象、设定不同识别对象存储方式之间的转换、电子识别对象的过滤与分割，以及相应学闭运算模型的融入等等，都是案例分析需要历经的主要研究流程，如图1。为更好的保障相应图像识别程序的实际运行效率，技术人员应当在案例研究的环节内，将原本PDF存储方式的识别对象，及时转换成HSV的存储格式。在及时进行存储格式转换过后的图像识别对象，其实际识别环节内的成像清晰度也将得到更好的保障。

二、基于计算机视觉的手势检测识别技术

（一）手势测试与识别的主要流程

首先，技术人员需要通过调取动态手势识别，将手势运动成百上千个动态画面进行分析处理。为更好的去除动态画面分析对象当中存在的多余的信息识别内容，技术人员可以通过应用平面滑动或者滤波处理的技术模式，更好的提升指定手势识别对象的图像清晰度。在图像手势识别与检测的研发领域之内，部分技术工作人员也将这一初期的工作流程，称为是手势识别技术应用的图像预处理的工作环节。其次是手势识别区域与手势识别背景的分割与检测，通过实现手势识别对象与识别背景之间的区域分离，精准划分手势识别技术应用的实际工作区域，为最后收拾识别检测数据的获取提供强有力的前提基础。最后在收拾识别的技术检测环节内，技术人员应当在设定系统编程模式之前，首先对指定手势识别对象静态画面中存在的肢体特征进行深入的分析。各种手势识别对象以及检测结果的记录总结，均需要设定严格统计的工作流程规范，以便更好的保障新型识别技术应用与研发的管理秩序，各个环节工作时间的分布，如表1。

表1 手势识别流程时间分布统计

（二）区域分离的主要方法

在通常情况下，目前技术人员在系统编程中，通过应用最小二乘法的模拟计算模式识别圆形的图像识别对象。通过应用最小核心的拟合算法，提升对矩形图像识别的精准度。但无论是应用哪一种图像识别的编程核算流程，只有技术操作人员能够首先精准测量指定识别对象的形心位置，才能在最终得到准确无误的识别评价结果，实现对指定识别区域的位置分离。人手是富有弹性的图像识别对象，与传统矩形、圆形等经典图像的识别对象相比具有更高的识别难度。如何在每次手势重复出现小型误差的前提条件下，仍旧能够保障相应识别检测结果的一致性，一直是需要技术人员重点攻克的难点。只有将两种不同分离方式相互结合，才能更好的保障图像识别结果的精准度[2]。

（三）手势检测识别的主要方法

在目前国际手势识别检测技术的研发阶段内，可供技术工作人员广泛应用的手势识别方式，主要可以根据其识别信息输入形式的不同，划分为两种较为经典和基本的检测类型。其一是基于数据手段硬件辅助设备而运行的手势信息输入识别方法，其二是基于视觉检测前提的基础之上，进行手势识别信息输入的检测方法。

在利用手套硬件辅助设备实现的手势信息输入方式的应用，是通过应用手势空间轨迹运动的系统编程方式得以实现的。相比传统数据识别的系统构架模式，新型手套手势识别信息的输入，能够在第一时间获取并记录指定手势识别对象，在三维空间的识别区域内做出的动作指示信息。无论是在识别检测结果的精准度方面、还是在手势信息输入的识别速度、或者相应信息安全保障的可靠性方面，都较传统识别方式相比得到了不同水平的提升。但由于手套识别技术需要指定被识别对象做出多种不同存在形式的手势识别信息，相应输入设备在经济市场环境中的销售价格过于昂贵。这一固有的应用弊端，导致动态受到信息输入与识别技术的应用并没有得到大面积的推广[3]。

基于计算机应用而产生的手势识别技术，是目前备受社会关注的视觉检测技术手段。相比以往手套信息输入与识别技术的应用，基于计算机新型手势识别方法的研发，是图像识别技术研发历史上的一大创新和优化。通过结合应用摄像头的图像录入设备，将指定手势识别对象的动态影像传输到计算机识别程序之内。图像识别系统能够根据技术人员预先设定的运行程序，对指定的手势视频进行信息扫描处理。在相应动态视频资料之中，有效分割手势识别的主体对象、手势识别的动态背景以及相应手势运动的实际流转轨迹。在结合动态视频各项基本参数信息的前提下，总结记录指定的识别测评结果。这种动态识别的技术处理手段，能够结合手势动作的肢体变化特征，生成更加精准的动态信息描述。在计算机程序编设技术的帮助下，手势识别技术的应用无需购买昂贵的辅助设备，不仅能够帮助相应企业减轻技术应用的经济支出压力，还能为指定识别检测技术的大面积推广，奠下坚实有力的前提基础。

三、手势检测与识别技术的发展趋势

在未来电子图像识别以及手势信息识别技术研发工作的发展进程之中，随着国际范围内各个国家在计算机技术应用方面的研发深入不断强化，指定图像识别信息检测的精准度也将得到不同程度的提升。各种全新的硬件辅助设备的生产，将把手势识别与检测技术的研发推向一个崭新的研发高度之上。有部分专业技术研发领域的工作人员，在结合目前手势识别技术发展近况的基础之上，深入调查当下识别技术消费市场的实际需求取向，对未来手势识别技术的研发方向开展的详尽的预测。专业人士指出，为更好的满足广发消费群体对手势识别技术便捷化应用的市场需求，一次性识别成功的技术研发，将成为手势识别技术研发的终极目标。通过实现对识别流程的简化，推动整个手势识别技术向更加智能化以及人性化的方向不断发展[4]。

在此基础之上，为使手势识别技术的研发与应用能够更好的满足消费市场的实际需求，能够保障指定识别技术的研发能够准确依附消费群体的需求变化趋势。在未来技术研发与推广的实践环节内，各手势识别技术的推广企业将构建以消费对象为主体的技术识别体验中心。通过模拟体验中心的构建，消费者能够在不用支付经济成本的前提下，基础并体会到人机交流的信息传递模式。在体验中心专业工作人员技术指导的帮助之下，消费者对手势识别技术的应用将更加自然。基于手势识别技术的研发同时覆盖了智能技术研发、心理学研究、动画绘制以及影视制作传输，等人类社会多个生产领域各不相同的技术范围。技术体验中心的构建，还能有效弥补在传统人机交互模式中存在的欠缺与不足，手势识别检测技术应用与研发的交叉性构架特征将得到更深一步的凸显。通过转换手势识别技术研发设计的发展方向，能够使之更加贴合广大社会消费群体的生活实际，无论是何种消费档次以及生活层面上的社会成员，都将能够享受到手势图像智能识别检测技术应用为其带来的便利。

结论

新型手势识别检测技术的研发与应用，其实际的灵感来源于人类行为方式以及逻辑思维方法的模拟。手势识别检测技术的研发与应用，是对传统人机信息交流方式处理与应用的完善与革新。鉴于国内计算机手势检测识别技术实践应用的时间尚短，大部分技术人员没能累积足够的工作经验。在未来同领域的技术研发历程之内，在计算机处理手段的帮助下，手势检测识别技术的应用也将受到更多人的认可。

[1]李思岑,王平,张鹏,等.基于Kinect深度图像信息的手势跟踪与识别[J].微型机与应用,2015,06：53-55.

[2]李姝蓉,黄元元,胡作进,等.非特定人群动态手语视频中的关键帧检测算法[J].小型微型计算机系统,2015,07：1597-1601.

[3]黄晓林,董洪伟.基于深度信息的实时手势识别和虚拟书写系统[J].计算机工程与应用,2015,15：167-173.

[4]刘淑萍,刘羽,於俊,等.结合手指检测和HOG特征的分层静态手势识别[J].中国图象图形学报,2015,06：781-788.