摘要：目的針對目前手勢識別方法受環(huán)境、光線、旋轉(zhuǎn)、縮放、膚色等因素的影響,導致手勢識別精度下降的問題,提出一種結(jié)合聚合通道特征(ACF)的手勢檢測和雙樹復小波變換(DTCWT)的復雜背景下手勢識別方法。方法在手勢圖像預處理過程中引入聚合通道特征,采用Adaboost分類器和非極大值抑制算法(NMS)進行目標手勢的檢測;利用DTCWT對目標手勢圖像進行多尺度多方向分解,對高低頻系數(shù)的每一塊分別提取方向梯度直方圖(HOG)和局部二值模式(LBP)特征;最后融合各個方向上的高低頻特征并通過支持向量機(SVM)進行分類識別。結(jié)果選取多個場景、多個對象、不同角度和距離的圖像作為訓練集,并標注區(qū)分前背景,對20種手勢進行識別實驗,并與傳統(tǒng)的膚色檢測、HOG特征手勢識別、類-Hausdorff距離的手勢識別算法進行了實驗對比。在任意可承受范圍內(nèi)的光照、距離等情況下,該方法能夠更準確實時地實現(xiàn)手勢識別,平均精度達到95.1%。結(jié)論在圖像預處理的情況下,聚合通道特征的引入能夠準確檢測手勢,同時基于DTCWT的手勢圖像頻域特征提取和再融合的方法有效地解決了傳統(tǒng)普通圖像的單特征識別方法在光線和復雜背景下識別精度不高的問題。