研究人员开发新的手势识别算法

由中山大学的于志毅领导的研究团队开发了一种新的手势识别算法，该算法复杂、准确、适用。

手势识别越来越多地被用于人机交互，最近在摄像系统、图像分析和机器学习方面的进步极大地提高了基于光学的姿势识别。然而，当前的方法由于高计算复杂性、低速度、低精度和可识别手势数量少等限制而面临许多挑战。

该团队开发的新算法试图克服这些限制，并在Journal of Electronic Imaging期刊上发表的论文中进行了详细介绍。该团队的主要目标之一是创建一个不仅能克服这些挑战，还能轻松应用于消费级设备的算法。

适应不同手型

该算法最令人印象深刻的方面之一是其适应不同手型的能力。它首先尝试根据手掌宽度、手掌长度和手指长度之间的关系将用户的手型分类为细、正常或宽。

在成功分类后，手势识别过程将输入的手势与同一手型的存储样本进行比较。

“传统的简单算法往往由于无法适应不同的手型而遭受低识别率。通过首先根据手型对输入的手势进行分类，然后使用与该类型匹配的样本库，我们可以提高整体识别率，几乎没有资源消耗，”于志毅说。

预识别步骤

该团队的方法还依赖于“捷径特征”的使用来执行预识别步骤。识别算法可以识别九种可能的手势，但与所有可能的手势的存储样本比较输入手势的所有特征非常耗时。

为了克服这一点，算法的预识别步骤计算手的面积与选择三种最可能的手势的比率。这将候选手势的数量减少到三种，最后的手势由基于“Hu 不变矩”的更复杂和高精度的特征提取决定。

“手势预识别步骤不仅减少了计算和所需的硬件资源，还提高了识别速度而不损害准确性，”于志毅说。

该算法在商用PC处理器和使用USB摄像头的FPGA平台上进行了测试。该团队召集了40名志愿者多次制作九种手势，并使用另外40名志愿者来确定系统的准确性。

该系统证明了它可以在实时识别手势，准确率超过93%。即使输入的手势图像被旋转、平移或缩放，也是如此。

研究人员表示，他们现在将专注于提高算法在不同照明条件下的性能，并增加可能的手势数量。