手势识别技术在软件中的应用

随着计算机技术户互联网技术的发展，以及人工智能技术研究的不断深入，人们对于计算机的使用要求越来越高。为满足用户不断增加的需求，研究人员在人机交互软件设计、开发方面投入了大量精力，其中，手势识别技术就是目前使用较为广泛的智能交互技术。本文以手势识别技术在软件中的应用为研究内容，对该技术进行分类阐述，并对其应用进行简单介绍。

【关键词】视觉 手势识别 软件 人机交互

为实现更加友好的人机交互功能，研究人员利用机器视觉技术，结合计算机软件算法设计，实现了通过识别用户手势，对计算机进行操作的功能。手势识别功能的实现，为计算机智能化应用提供了借鉴，同时也开启了计算机软件技术发展的新篇章。

1 手势识别技术的原理

手势识别技术的实现，需要完整的视觉手势识别系统进行图像信息的采集、处理、特征点计算、分类器设计、手势识别五个过程。在图像采集方面，尽管手势识别系统所记录的是动态过程，却仅仅选取特征点较为明显的几帧画面作为进行识别，结合手势输入的交互模型进行手势特征点的检测，并根据特征点的判断结果，完成对应的手势操作。其中，手势识别技术最为关键的三个步骤是手势分割、特征点识别、软件算法。

1.1 手势分割

所谓手势分割，是指采用图像处理技术，直接选取有用的图像信息，对局部区域信息进行有效分割，提高信息数据的有效性，降低计算機图像处理的压力，具体方法有阈值法、区域信息分割法、物理特征分割法。

1.2 特征点识别

基于手势变化的多样性，为准确完成手势识别过程，多采用动态图像采集，后期对图像中每一帧中的手势进行纹理特征识别，对于满足手势轮廓、手势边缘、图像矩等特征要求的图片，则由手势识别软件进行对应特征点的计算，并完成操作动作。

1.3 软件算法

手势识别的关键在于软件算法的使用，目前，基于静态的手势识别算法有着较为广泛的应用，这也是为何将原始动态录像进行帧检测的原因。对于满足特征点的图像，由计算机软件对相应特征点进行计算，并按照图片顺序进行特征点关联。

在软件算法中，多采用模版匹配技术，将满足特征点要求的图像与数据库中的图像进行匹配，对满足阈值要求的手势特征参数进行识别，根据手势参数的变化，设置与之相对应的运动参量，实现对应的运动过程。

2 手势识别技术的分类

随着计算机人机智能交互软件种类的增加，手势识别技术也出现了不同的类别，其中，以二维手型识别技术、二维手势识别技术、三维手势识别技术的应用最为常见。

2.1 二维手型识别技术

在众多手势识别技术中，二维手势识别技术的实现难度最低，也就是通过获取带有特征点的二维图像信息（静态），并对比数据库中的特征点参数，实现感知功能。然而，二维手型识别技术仅能够对简单的静态图像进行识别，对于连续性动作则无法起到作用，并且，由于数据库的特征点参数较少，导致其无法识别更多手势。

因此，对于二维手型识别技术，研究人员也将其成为模式匹配技术，该技术虽然简单，却为手势识别技术的进一步发展奠定了基础。

2.2 二维手势识别技术

二维手势识别技术是在二维手型识别技术的基础上发展起来的，尽管，二维手势识别技术依然停留在平面坐标系中，但是，利用软件的自动图像匹配技术，以及动态数据库，可以对简单的动作进行录取、特征点捕捉、特征点匹配、动作响应等一系列操作。例如，对计算机播放器进行暂停、播放、下一曲控制，或者是在教学过程中对幻灯片的翻页操作，都可以通过不同的手势动作完成。

二维手势识别技术的出现，极大的丰富了数据库的特征点参数，扩大了计算机软件的识别范围，也促进了这一技术在多领域的应用。

2.3 三维手势识别技术

从实际使用效果来看，三维手势识别技术的准确度更高，尽管实现难度较大，却可以完成二维手势识别不可能完成的动作。由于动态图像处理是基于空间坐标系，因此，在图像录取时需要使用多个摄像头，对手势进行全方位补做，以获取更为全面的特征点参数。

三维手势识别技术的实现主要包括结构光、光飞时间、多角成像三大方式，结合先进的视觉手势识别算法，以及强大的数据库支持，就可以准确响应每一个手势，完成相关动作。

3 手势识别技术在软件应用中的趋势

对于手势识别技术在软件中的应用，三种不同类型的手势识别技术都有着不同的领域，基于多种技术的共同发展，以及手势识别技术的应用范围不断扩大，手势识别技术在软件应用中的趋势将向着人工智能的方向发展。

随着生物技术的发展，人们已经能够在一定程度上破解有大脑所发出的生物电信号。对于手势识别技术的研究，也将由真实的动作信号捕捉，向着无法看到的生物电信号检测进行变化。

例如，医学研究人员通过对正常人在做出手势动作时的脑电波进行检测、比对，以数据库的形式进行存储于智能仿生机械臂的中央处理芯片中。对于安装此类仿生机械臂的残疾人，则可以通过脑电波对应的手势，操控机械臂进行运动。如此一来，人们将不再通过真实的手势动作来实现操作，而是通过大脑所发出的手势生物电信号来完成操作，不仅响应速度有所提高，同时也提高了手势动作的精准度。

参考文献

[1]江铁成.基于视觉手势识别技术的实践研究[J].合肥师范学院学报，2016（03）.

[2]郭雷.动态手势识别技术综述[J].软件导刊，2015（07）.

[3]刘俊梅.一种复杂背景下的手势分割新方法[J].北京电子科技学院学报，2006（02）.

作者简介

于珈盛（2000-），男，内蒙古通辽市奈曼旗人。内蒙古通辽市奈曼旗实验中学学生。

作者单位

内蒙古通辽市奈曼旗实验中学 内蒙古自治区通辽市 028300