基于傅里叶描述子的手势识别算法设计与实现开题报告

1. 研究目的与意义

现代工业的交互系统已经朝着环境发展而去了，手势交互是人与人沟通的重要手段，它自然、直接、便捷，将它作为与虚拟世界交流的方式将会使交互变得尤为轻松。手势也是非语言交流的一个重要组成部分，它在以人为原型的动画中扮演着重要的角色，而且是众多人机交互场景中的核心。目前，精确的实时身体及面部跟踪系统已经日趋完善，所以，手部跟踪将成为研究界的下一个重点研究对象。

2. 研究内容和预期目标

为解决手势识别识别过程中误差率大的问题，本课题采取基于傅里叶描述子的手势识别，第一，由于傅里叶描述子的计算对手势轮廓的要求较高，所以图像预处理是十分重要的一环，首先将会研究图像预处理的详细步骤。第二，在完成图像预处理之后，将介绍本文核心算法的理论知识——傅里叶描述子。将会研究傅里叶描述子的计算过程以及傅里叶描述子算法的特性。第二，在完成上述的各个理论基础后，将会研究实验的各项流程以及比较分析实验结果得出结论。

3. 国内外研究现状

手势识别是近年来研究的热门课题，智能家具，虚拟现实，自动驾驶等都涉及到手势识别的研究。最初是通过可穿戴的设备来进行手势识别，这些设备能直接检测出手部的位置，形状等物理特征，从而映射到计算机中，并且检测的性能良好，但是价格昂贵。其后，出现了光学标记方法，该方法是通过红外线扫描将人的手部的形状和位置传送给计算机，尽管不需要手套这一类外设，但其他设备的代价同样昂贵。而当今最为流行也是研究最多的方向是基于视觉的手势识别，该方式不需要手套及其他一些昂贵的器材，只需用摄像头或其他拍摄录像的设备即可，并且是裸手进行，方便且便宜，相信在未来很长一段时间都会有很大的发展空间。近年来已经发展的越来越成熟，已经从之前的二维逐渐向三维发展。二维的手势识别是通过摄像头拍摄人们手部的图像，计算机通过某种算法对该图像中的手势进行识别，由于二维的视角比较局限，所以有时会产生较大的误差，为了提升正确率，本文采取的是一种基于傅里叶描述子的手势识别算法，从企业范围来看,运用二维手型识别的代表公司是以前被Google收购的Flutter。三维的手势识别比较复杂，简单来说就是在二维的基础上增加了一个z轴，可以识别各种手势和动作，目前主要有三种实现方法：1.结构光；2.光飞时间；3.多角成像；。从企业范围来看，运用二维手势识别的代表公司是来自以色列的PointGrab，EyeSight，ExtremeReality以及南京的Zienon。运用三维手势识别技术的代表公司PrimeSense、SoftKinetic及LeapMotion。

4. 计划与进度安排