本实验的设计性和创新性体现

改进了手指检测部分处理技术,传统的手指检测采用了凸缺陷部分来检测手指,如图3.1与图3.2所示。

但是其在检测一根手指与没有手指的情况时,容易进行混淆,如图3.3所示。

于是采用计算重心到轮廓的距离,若有超过连续120个像素点减少,则认为这是一跟手指的方法。再加上若干限制条件,去掉不合理的可能会被误认为手指的情况:离掌心距离过短排除便于识别没有手指的情况,排除低于手心的点去掉边框位置的可能被误认为指尖的点,排除相邻距离太近的点防止一根手指重复识别。具体效果如图3.4所示。

实验结论

**1.实验结果正常,能够有效的将手掌与背景分割开来,基本符合对指尖的识别的要求,达到了实验目的。

2.尽管使用了HSV颜色空间模型来减少光照的影响,但受到光照的影响还是存在的,环境变化较大时,要重新修改HSV区间来达到最好的效果。未来可以使用HS-CrCb空间的方式(HSV与YCrCb相结合)来进一步消除光照影响,或者使用背景相减的办法来实现更好的肤色分割。

3.各种图片的预处理确实对后续的轮廓识别起到了关键的作用,如高斯模糊减少了轮廓边缘的锯齿,闭运算消除了手掌内的小型黑洞。

4.关于手势识别仍然停留在对于手指几何形状的判断,未来可以结合机器学习,进行更进一步的深化,识别更多的手势。**

由于实验结果已经在第一章展示,下一篇文章将会讲述一下主要代码片段。