基于DSP手势交互系统实现-生物医学工程专业论文.docx

中国科学技术大学学位论文原创性声明本人声明所呈交的学位论文,是本人在导师指导下进行研究工作所取得的成果。除已特别加以标注和致谢的地方外,论文中不包含任何他人已经发表或撰写过的研究成果。与我一同工作的同志对本研究所做的贡献均已在论文中作了明确的说明。作者签名: 签字日期: 中国科学技术大学学位论文授权使用声明作为申请学位的条件之一,学位论文著作权拥有者授权中国科学技术大学拥有学位论文的部分使用权,即:学校有权按有关规定向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅,可以将学位论文编入《中国学位论文全文数据库》等有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存、汇编学位论文。本人提交的电子文档的内容和纸质论文的内容相一致。保密的学位论文在解密后也遵守此规定。□公开 □保密( 年)作者签名: 导师签名: 签字日期: 签字日期: ()是由人类建立的基于手指和手掌状态的特殊语言系统,也是人体语言的非常重要的组成部分,其与语音、书面语等自然表达方式同样的常用,并且它还具有特有的生动、形象和直观等优点。同时,随着人类逐步进入数字化时代,人类与计算机的交互方式研究成为了众多学者的关注热点之一,即人机交互()领域很受重视。随着各种新颖的人机交互技术的发展,将手势应用于人机交互领域实现基于手势的人机交互方式()是必然的,因为它是一种符合人类习惯的自然的计算机输入方法。基于手势的人机交互是指通过各类传感器来实现手势相关信息的获取,然后再以模式识别的方法进行手势种类的判别,最后识别的结果便可以将人类的意识传送给计算机。手势识别(任海兵等2000)是实现基于手势的人机交互方式的关键要素之一,目前,手势识别成果常用于对电子设备与电器的控制、残疾人的生活辅助、手语的自动翻译、交互式教学游戏娱乐和作战指挥等。近年来,主流的手势识别方法主要包含两大类,一类是基于计算机视觉与图像处理算法的手势识别方式,该方法利用单个或多个摄像机进行手势视频的捕获,同时,其再利用手部肤色、动作特点和形状轮廓等特征进行图像信息处理以实现手势的判别。例如,Lee与Kim(LeeandKim1999)在使用隐马尔可夫阈值模型的情况下实现了8种常用连续手势动作的识别,%。而杨波等(2010)在复杂背景下使用基于亮度高斯模型的手势分割算法进行肤色分割,然后对其提取空间相对密度特征和指节相对间距特征,进而有效的识别出19种常用的手势动作。另一类常用的手势识别方法是通过手部佩戴特定的硬件设备,如数据手套等,进行手势的信息获取。这里的硬件设备可以具有多种传感器,其能够检测手指的弯曲度、位置、角度等多种信息,利用这些信息在一定条件下也可以对手势进行较好的识别。例如,Rung-HueiLiang等(1998)在系统使用隐马尔可夫模型的条件下,实现了最高可达250个台湾手语词的实时识别,%。而王春立和高文等(2002)在采用了两只CyberGlove数据手套和Pohelmus跟踪器进行中国手语的识别时,其已经能够实现5100个手语词的识别且识别率高达95%。尽管基于上述两类方式的手势识别技术得到了较好的发展,但由于它们自身缺陷的原因,以至它们很难走出实验室,为普通用户带来便利。对于基于视频的弊端,孙丽娟等(2008)在通过对基于视频信息的手势识别进行研究后,指出该方法具有的不足为:手势识别易受到复杂背景的影响、手部是柔性且形状可变的、视频数据是三维到二维的投影,手势识别会受拍摄角度影响、手的表面易产生反光与阴影和手势识别对光线敏感等。而对于基于数据手套的手势识别技术,虽然相比视频和图像的方法受外界影响更小,但是使用数据手套会影响手部的动作与外观,给识别带来方便的同时,也给用户带来不便。基于上述这些问题,研究新的基于手势的交互技术是必要的。表面肌电信号(SurfaceElectromyography,SEMG)是一种通过无创伤、无痛苦的检测方式从皮肤表面获取的()电生理信号,早期被运用于残疾人的假肢控制中。研究表明,不论是正常人或者截肢的人群,只要其存在肌肉,就可以实现从肌肉的皮肤表面处获取SEMG信号,对于采集的SEMG信号通过模式训练,便可以实现对应手势的分类。由于表面肌电信号对手势识别有着特有的优点,较好的识别效果使其在人机交互领域得到了广泛关注。例如,Taylor等(1971)通过使用电极阵列在上肢的肩关节、肘关节和前臂上实现了SEMG信号的采集,经过模式训练和分类后,结果证明了肘关节、腕关节和手指运动所形成的特定手势动作可以通过SEMG信号的区别较好的区分。而Nishikawa等