手勢識別技術(shù)綜述

手勢識別技術(shù)綜述作者單位：河北工業(yè)大學計算機科學與軟件學院內(nèi)容摘要：手勢識別是屬于計算機科學與語言學的一個將人類手勢通過數(shù)學算法針對人們所要表達的意思進行分析、判斷并整合的交互技術(shù)。一般來說，手勢識別技術(shù)并非針對單純的手勢，還可以對其他肢體動作進行識別，比如頭部、胳臂等。但是這其中手勢占大多數(shù)。本文通過對手勢識別的發(fā)展過程、使用工具、目的與市場等進行綜述，梳理出手勢識別發(fā)展的思路，讓讀者對手勢識別有一個總體上的認識，同時也可以讓讀者在此基礎(chǔ)上進行合理想象，對手勢識別的未來有一個大體印象。Abstract:Gesturerecognitionisaninteractivetechnologyusingmathematicalarithmetictotheanalysis,judgeandassemblymeaningthatpeoplewanttoconveywhichbelongstocomputerscienceandLinguistics.Ingeneral,gesturerecognitiontechnologyisnotforsimplegesturesexpressedbyhands,itcanalsoaimtootherbodymovementrecognition,suchasthehead,armandsoon.Butthegestureaccountedformostoftheanalysis.Inthispaper,bydescribingthedevelopmentprocess,toolsused,objectiveandmarketofgesturerecognition,wecansortouttheideasofthedevelopmentofgesturerecognition,andletreadershaveanoverallunderstandingofgesturerecognition.Atthesametime,itcanletthereaderimaginethatonhandgesturerecognitionbasedonreason,andhaveageneralimpressionofitsfuture.1.定義說到手勢識別，首先要對手勢識別中的手勢有一個清晰的認知。手勢在不同的學科中有不同含義，而在交互設(shè)計方面，手勢與依賴鼠標、鍵盤等進行操控的區(qū)別是顯而易見的，那就是手勢是人們更樂意接受的、舒適而受交互設(shè)備限制小的方式，而且手勢可供挖掘的信息遠比依賴鍵盤鼠標的交互模式多。在學術(shù)界，人們試圖對手勢定義一個抽象、明確而簡潔的概念以為手勢及其應(yīng)用的研究提供依據(jù)。1990年EricHulteen和GordKurtenbach曾發(fā)表的題為“GesturesinHuman-ComputerCommunication”中定義：“手勢為身體運動的一部分，它包括一部分信息，而且是一種能被觀察到的有意義的運動。揮手道別是一種手勢，而敲擊鍵盤不是一種手勢，因為手指的運動沒有被觀察，也不重要，它只表示鍵盤手勢識別可以用于虛擬制造和虛擬裝配、產(chǎn)品設(shè)計等。虛擬裝配通過手的運動直接進行零件的裝配,同時通過手勢與語音的合成來靈活的定義零件之間的裝配關(guān)系。還可以將手勢識別用于復雜設(shè)計信息的輸入?！?】（2）用于手語識別。手語是聾啞人使用的語言,是由手型動作輔之以表情姿勢由符號構(gòu)成的比較穩(wěn)定的表達系統(tǒng),是一種靠動作Π視覺交際的語言。手語識別的研究目標是讓機器“看懂”聾人的語言。手語識別和手語合成相結(jié)合,構(gòu)成一個“人2機手語翻譯系統(tǒng)”,便于聾人與周圍環(huán)境的交流。手語識別同樣分為基于數(shù)據(jù)手套的和基于視覺的手語識別兩種?；贒GMM的中國手語識別系統(tǒng)選取Cyberglove型號數(shù)據(jù)手套作為手語輸入設(shè)備,采用了動態(tài)高斯混合模型DGMM(DynamicGaussianMixtureModel)作為系統(tǒng)的識別技術(shù),可識別中國手語字典中的274個詞條,識別率為98.2%?！?】（3）用于多通道、多媒體用戶界面。正如鼠標沒有取代鍵盤,手勢輸入也不能取代鍵盤、鼠標等傳統(tǒng)交互設(shè)備,這一方面由于手勢識別的設(shè)備和技術(shù)問題,另一方面也由于手勢固有的多義性、多樣性、差異性、不精確性等特點。手勢識別要想取得比較高的識別率,仍有很長的路要走。手勢輸入在人機交互中應(yīng)用的精髓不在于用來獨立地用作空間指點,而是為語言、視線、唇語等交互手段通道提供空間的或其他的約束信息,以消除在單通道輸入時存在的歧義。這種做法是試圖以充分性取代精確性。（4）用于機器人機械手的抓取機器人機械手的自然抓取一直是機器人研究領(lǐng)域的難點。手勢識別,尤其是基于數(shù)據(jù)手套的手勢識別的研究對克服這個問題有重要的意義,是手勢識別的重要應(yīng)用領(lǐng)域之一。5.前景提供一個自然而且有效的人機交互界面始終是人機交互研究的目的?！?】那么手勢識別以后的發(fā)展也要圍繞這一點。在未來的發(fā)展中，口語、手勢和人臉在虛擬環(huán)境中的互補是必要的。因為手形有兩種建模方式：基于三維的建模和基于圖像的建模?！?】基于三維的建模有強大的表達能力，幾乎能夠表達所有的手形，但是缺乏效率。而后者簡單高效，但是缺乏通用性。手勢由一段時間內(nèi)的一系列手形組成。手勢的分解和分類是手勢識別的兩個重要問題。在多用戶虛擬環(huán)境中，人臉又可以作為區(qū)分用戶的屬性。只有綜合利用他們，才能在人機交互系統(tǒng)中產(chǎn)生深遠的影響。然而在手勢識別的發(fā)展中還有以下幾個難點：現(xiàn)有的手勢識別方法的局限性：單一顏色或靜態(tài)背景；干凈的膚色分割；手腕的界定；手動初始化?！?0】到目前為止，大多數(shù)研究都集中在靜態(tài)手勢識別技術(shù)，而我們不僅要對手勢進行跟蹤，還要進行識別，其計算工作量很大且速度慢，不能用于實時識別系統(tǒng)。當前阻止我們進行實時識別的難點有手勢目標檢測困難手勢目標識別困難。當前還未能找到解決問題的理想方法，針對具體的某一系統(tǒng)，在實現(xiàn)時要假設(shè)一定的限制條件，以達到較好的識別效果。雖然有許多許多的困難，但是現(xiàn)在全世界已有不少工作者投入到手勢識別這項研究中，例如：美國的麻省理工學院，喬治理工學院，加州圣何塞公司等。如上所言，這項研究肯定有許多的難點問題需要去思考，去克服。在他發(fā)展的道路上，我認為分析師拉茲羅所言的:“無論何時，如果你想引進一種新的用戶界面，他是否簡單和容易操作總是成敗的關(guān)鍵。當年鼠標問世時也不是一下子就得到了大眾的接受?！狈浅＿m合此處。所以無論是學生還是公司，只要堅持對該系統(tǒng)的研究，必然會獲得成功。目前多個科技公司都紛紛推出了自己的手勢識別產(chǎn)品或申請專利。2012年，LeapMotion橫空出世。作為一種繼Kinect之后又一款革命性的交互產(chǎn)品，它只需將其用USB連接到電腦上，便可以準確識別出來顯示器前方的動作。2016年4月，蘋果公司獲得了來自美國專利商標局一項新專利的批準。通過AppleWatch上多種傳感器的檢測，iPhone可轉(zhuǎn)化成文字或語音消息，實現(xiàn)忽略來電、靜音等功能。此外，2016年4月2日公布的三星公司為VR研發(fā)的新傳感器允許用戶凌空操作VR應(yīng)用，可以通過虛擬現(xiàn)實世界中瞄準線實現(xiàn)菜單、圖標、照片、視頻等的點擊運行，而完全不需要使用到設(shè)備上的任何真實按鈕。參考文獻：【1】任雅祥，《基于手勢識別的人機交互發(fā)展研究》，《計算機工程與設(shè)計》27卷第七期【2】武霞、張崎、許艷旭，《手勢識別發(fā)展現(xiàn)狀綜述》，《電子科技》2013年26卷6期【3】楊波、宋曉娜、馮志全，《復雜背景下基于空間分布特征的手勢識別算法》，《計算機輔助設(shè)計與圖形學學報》2010.10第22卷第10期【4】馮志全、蔣彥，《手勢識別研究綜述》，《濟南大學學報（自然科學版）》2013年10月第27卷第4期【6】HongCheng,ZhoujunDai,ZichengLiu,<Animage-to-classdynamictimewarpingapproachforboth3Dstaticandtrajectoryhandgesturerecognition>,<PatternRecognition> 55（2016）137—147）【7】ShwetaK.Yewale,PankajK.Bharne,<ArtificialNeutralNetworkApproachforHandGestureRecognition>,<InternationalJournalofEngineeringScienceandTechnology>Vol.3No.4April2011【8】AliBoyali,NaohisaHashimoto,<SpectralCollaborativeRepresentationbasedClassificationforhandgesturesrecognitiononelectromyographysignals>,<BiomedicalSignalProcessingandControl>24(2016)11-18【9】李清水、方志剛、沈模衛(wèi)、陳育偉.《手勢識別技術(shù)及其在人機交互中的應(yīng)用》，人類工效學.2002年3月第8卷第1期【10】徐慧琳.《手勢識別系統(tǒng)的發(fā)展趨勢》.科教導刊.2003年第11期【11】AnkitChaudhary,J.L.Raheja.<IntelligentApproachestointeractwithMachinesusingHandGestureRecognitioninNaturalway:ASurvey>.InternationalJournalofComputerScience&EngineeringSu