1. 研究目的与意义
随着当今科学技术的飞速发展，计算机也被广泛的运用，渗透到我们生活、生产、学习等各个方面，与计算机打交道成为人们日常生活重要的一部分，因此，人与计算机的交互也逐渐成为一个科研领域的热点问题。
在人机交互的发展过程中先后出现了基于文本方式的键盘、基于图形方式的鼠标等交互接，然而从某种程度上说，这些机械设备在人机交互方面是不方便和不和谐的。它把机器作为人机交互的中心，在人机交互时人需要去适应机器的输入输出设备，对机器没有主动控制的能力。随着计算机科学的快速发展，研究符合人类交流习惯的人机交互技术成为国内外关注的热点，这些研究包括人脸识别、面部表情识别、眼睛识别、手势识别以及人体姿势识别等。总体来说，人机交互的研究已经从以计算机为中心转移到以人为中心，大大提高了人机交互的效率。而手势作为人类最自然的表达方式之一，生动、形象、直观，而且蕴涵着丰富的信息，是人与人沟通的重要媒介。
最近几年，随着游戏影视等图像视频产业的不断发展，拥有更为真实体验的手势操控技术越发受到追捧，手势交互以其独有的交互体验感受正在受到强烈的关注。计算机视觉技术的发展越来越迅速，计算机视觉研究相关的理论和技术在人机交互领域也得到了越来越广泛的应用。手势识别技术是一种新型的人机交互方式，其在虚拟环境的交互，手语识别，多通道、多媒体的用户界面以及机器人机械手的操控方面，均有十分重要的研究利用价值。手势识别的应用前景十分广阔，对于这方面的研究也十分有意义，比如对于聋哑人而言，特别是文化程度比较低的聋哑人，使用手语和正常人交流更加方便和高效。手语是用手势表示意思的语言，对不熟悉手语的普通人来说，理解手语是非常困难的。如果有一套可以翻译手语的系统，则将大大方便聋哑人与正常人之间的交流；利用手势对虚拟现实中的智能设备进行控制。比如在虚拟场景内利用手势实现虚拟钢琴的演奏，又如用机器人的虚拟手抓取物体等；研究人类对于视觉语言的理解规律，提高计算机对人类语言的理解能力；手势交互是虚拟现实中多通道接口的重要组成部分之一，目前基于手势的交互已经成为人机交互的重要内容。
2. 研究内容和预期目标
研究内容：手势作为人与人之间的常用交流方式，是新型人机交互的理想选择，受到了极大的关注和广泛的研究。手势识别在人机交互系统中有十分广阔的应用前景，所以，次课题运用计算机视觉研究相关的理论和技术，设计和实现一套手势识别系统。
拟解决的关键问题：本文主要对基于视觉的手势识别技术进行设计实现，其中重点主要在手势分割、手势的特征参数提取和手势识别的方法上。
写作提纲：
3. 国内外研究现状
1959年，美国学者B.Shackel以减轻使用计算机时的疲劳感为研究方向，发表了一篇关于计算机控制台设计的论文，此文被认为是在人机界面领域内的第一篇正式文章。第二年，Liklider JCK发表了一个全新的观点，被人们当作人机界面研究的启蒙，即人机紧密共栖的概念。七十年代初期，为数众多的人机界面领域著作的出版，给人们指明了人机交互界面的研究方向。到了80年代初期，人机交互学科渐渐有了独立的理论体系和实践架构，从之前的人机工程学科中划分出来，融入了更多的人类行为学、心理学及社会学等学科的理论知识，在实践架构方面，将人机界面进行了延伸，更加偏重于人与计算机之间的交互作用，人机界面因此也被人机交互所取代。
Huang创建的手语识别系统使用3D神经网络的方法识别了15个不同的手势。Stamert51等人使用隐马尔可夫模型(HMM)对输入视频序列中的美国手势中带有词性的40个词汇随机组成的句子进行了识别，其中HMM参数的估计采用的是EM算法。Vogler和MetaxastT1开发的手语理解系统通过固定在人身上的物理传感器和一一个能够对手臂进行精确定位的摄像机来获取手臂位置信息。英国Essex大学通过识别人脸，比较当前人脸形状和模板人脸形状来估计人脸方向，从而控制智能轮椅；美国CMU机器人实验室实现了-种能够按人体手势及手臂动作做出简单动作的清扫机器人；2007年，Md.Al-Amin Bhuiyan等人研究的通过人脸及人脸角度控制机器人AIBO的动作或者姿势；2010年印度学者已经实现应用手势远程控制机器人的运动状态为前进、后退、左转、右转和停止五个状态。
我国对手势识别的研究起步较晚，但近年来也取得了显著的成果。有已实现使用神经网络方法和Hough变换对中国手语中的20种手势进行识别。还有采用基于表观的手势模型，提取八个手势特征组成特征向量，采用二次分类(粗分类和细分类)的方法对10个常用的静态手势进行识别。张秋余、姚开博等采用矩形特征描述手势，用改进的AdaBoost算法训练分类器，在复杂背景下对手势的跟踪与识别取得了不错的效果。天津大学研究了汉语语音识别系统并用来控制机器人；上海大学研究识别手势系统并将其成功地用于远程机器人控制系统；天津大学实现了依据操作者的体态动作图像信息控制机器人的状态；清华大学研究了一个手势识别系统，选择其中识别率较高的十种手势类别作为人机互动信号应用于电脑游戏中代替手柄。
4. 计划与进度安排
整个系统由几大模块组成，图像采集模块、预处理模块、手势分割及特征提取模块和识别模块。其中，重点需要研究的是特征提取以及识别算法模块的分析及设计。具体研究步骤如下：
第一步：分析手势识别系统的总体原理及算法，设计系统的基本结构，包括手势的建模，手势的预处理以及手势的特征提取和分析。
第二步： 首先由摄像头获取手势图像，对手势进行基于表观的建模，然后进行预处理，包括平滑，锐化和二值化等，建立手势模板库，并分为训练集及测试集两个大类。
5. 参考文献
[1]曹雏清，李瑞峰，赵立军．【基于深度图像技术的手势识别方法Ⅱ】．计算机工程，2012，
[2]西颖，戴国忠，张习文，张凤军．【基于HMM—FNN模型的复杂动态手势识别Ⅱ】．软件学报，
[3]姜克. 【基于深度图像的3D手势识别】.江南大学,2015，
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
