论文摘要
为鲁棒检测自然环境中驾驶人的通话行为,提出了一种驾驶人手机通话手势的识别方法。运用Adaboost算法检测驾驶人面部区域,在YCgCr色彩空间中分别对面部肤色亮度分量和色度分量进行稀疏网格间隔采样,由此建立了肤色的高斯分布模型;针对驾驶室光照强度的不均匀性,提出了肤色分量的漂移补偿算法,建立了适应光照变化的在线肤色模型,以准确分割左右手部肤色区域;运用HOG算法获取手部肤色区域的2 376维HOG特征向量,运用PCA方法将HOG特征降至400维;同时提取手部肤色区域的PZMs特征,并采用Relief算法筛选出权重最大的8个PZMs特征向量,建立了融合PCA-HOG特征和Relief-PZMs特征的通话手势支持向量机分类决策。试验结果表明:基于PCA-HOG特征的手势识别率为93.1%,对光照变化的鲁棒性较好,但易受到手部与头部转动的干扰;基于Relief-PZMs特征的手势识别率为91.9%,对于头部与手部姿态的耐受度较好,但光照鲁棒性较差;基于PCA-HOG和Relief-PZMs多元特征融合方法的手势识别率达到94.5%,对光照波动、手部与头部转动等干扰条件具有较好的适应性。
论文目录
文章来源
类型: 期刊论文
作者: 程文冬,马勇,魏庆媛
关键词: 信息处理,通话手势识别,机器视觉,肤色模型,特征,决策融合
来源: 交通运输工程学报 2019年04期
年度: 2019
分类: 工程科技Ⅱ辑,信息科技
专业: 汽车工业,计算机软件及计算机应用
单位: 西安工业大学机电工程学院,长安大学汽车学院,哈尔滨石油学院机械工程学院
基金: 国家自然科学基金项目(51775053),陕西省自然科学基础研究计划(2018JM5158)
分类号: U463.6;TP391.41
DOI: 10.19818/j.cnki.1671-1637.2019.04.016
页码: 171-181
总页数: 11
文件大小: 5142K
下载量: 234