摘要!為了精確識(shí)別人手姿態(tài)用于機(jī)器手控制!文中討論一種基于計(jì)算機(jī)視覺(jué)的手勢(shì)立體姿態(tài)檢測(cè)的新方法$該方法利用多目視覺(jué)之間的配合!有效地解決了檢測(cè)識(shí)別時(shí)手部關(guān)鍵節(jié)點(diǎn)互相遮擋的關(guān)鍵問(wèn)題$采用了自適應(yīng)閾值分割)SLAAIJ角點(diǎn)檢測(cè))外極線約束等幾種合理)有效的點(diǎn)的匹配算法!對(duì)不同攝像機(jī)拍攝到的手部關(guān)鍵節(jié)點(diǎn)進(jìn)行排序!這樣不僅解決了特征點(diǎn)的位置歸屬問(wèn)題!也解決了圖像與對(duì)應(yīng)點(diǎn)的匹配問(wèn)題$通過(guò)實(shí)驗(yàn)表明*對(duì)手部關(guān)鍵節(jié)點(diǎn)的檢測(cè)達(dá)到了滿意的結(jié)果

關(guān)鍵詞!計(jì)算機(jī)視覺(jué)%手勢(shì)姿態(tài)%多目視覺(jué)%SLAAIJ角點(diǎn)檢測(cè)%極線約束

引!言

機(jī)器視覺(jué)理論應(yīng)用于現(xiàn)代檢測(cè)領(lǐng)域!是上世紀(jì)末本世紀(jì)初計(jì)算機(jī)視覺(jué)的一個(gè)新的研究方向%它使用計(jì)算機(jī)視覺(jué)的理論方法來(lái)識(shí)別物體的關(guān)鍵點(diǎn)!經(jīng)過(guò)分析處理以后!轉(zhuǎn)換成三維坐標(biāo)!然后產(chǎn)生檢測(cè)數(shù)據(jù)%圖像匹配技術(shù)作為機(jī)器視覺(jué)理論的一個(gè)難點(diǎn)!是最重要的研究任務(wù)之一%現(xiàn)有的圖像匹配算法基本可以分成以下四種"區(qū)域的灰度相關(guān)的匹配方法!基于特征的匹配方法!關(guān)系結(jié)構(gòu)匹配方法!神經(jīng)網(wǎng)絡(luò)匹配方法%文中將主要討論基于特征的圖像匹配技術(shù)%常用的匹配特征按尺度從小到大主要有點(diǎn)狀特征#如頂點(diǎn)’角點(diǎn)’拐點(diǎn)$’線狀特征#如區(qū)域邊緣的線’對(duì)稱(chēng)的線$和區(qū)域特征#如區(qū)域灰度’特紋理區(qū)域’區(qū)域描述符$等%主要側(cè)重于特征點(diǎn)的匹配!根據(jù)特征點(diǎn)的定義不同!檢測(cè)的算法也不同!比較典型的有.XIBS的.0++-角點(diǎn)檢測(cè)算法!@IBMS:9的局部二次曲面擬合角點(diǎn)檢測(cè)算法和DLAAIJ的基于圖像灰度變化率角點(diǎn)檢測(cè)算法%特征點(diǎn)匹配的難點(diǎn)在于"噪聲的干擾’出格點(diǎn)的影響和遮擋問(wèn)題%很多人把人手姿態(tài)作為重要的檢測(cè)對(duì)象進(jìn)行研究%在人手上!最主要的是各種自由度不同的關(guān)節(jié)!它們的單獨(dú)運(yùn)動(dòng)或組合運(yùn)動(dòng)!使手可以完成各種復(fù)雜動(dòng)作%國(guó)內(nèi)外針對(duì)手部姿態(tài)研究進(jìn)行了一些嘗試()!利用雙目視覺(jué)對(duì)手部三個(gè)手指進(jìn)行檢測(cè)!成功地得出了三維數(shù)據(jù)并用于了機(jī)械手的控制%但是并沒(méi)有進(jìn)行五個(gè)手指的檢測(cè)%文中在檢測(cè)五個(gè)手指關(guān)節(jié)方面做了一些研究!并且針對(duì)五個(gè)手指檢測(cè)存在的互相遮擋問(wèn)題及特征點(diǎn)匹配問(wèn)題采用了四目視覺(jué)以及多判據(jù)的方法!最后精確得出了手部五個(gè)手指的三維數(shù)據(jù)!結(jié)果是滿意的%