摘  要：伴随科技和手势识别技术的进步，手势动作作为人类的一种最基本动作，在人际交往过程中起着至关重要的影响。在这个快节奏的社会，技术和科技的发展日新月异，人们对手势动作的识别的需求也越来越大，对与手势识别技术的研究也如火如荼，基于视觉的手势识别技术的应用也开始渗透到人们生活的方方面面。

如果利用普通的RGB手势图像进行手势识别，那么如果当手势处在光照强度很大的地方时，或者手势与其背后的背景颜色、形态很相似时，那我们对手势的识别结果就会很不准确，识别率会大大降低。因此如果想要非常精准的识别手势，我们应该尽量排除外部的这些干扰。应该努力去提高数据源的质量，让其对光照、背景的干扰有较高抵抗的性，来增加识别的准确度。所以本设计选择含有景深信息的深度图像作为数据源,含有深度信息的RGB图像不会受到物体所在空间颜色的影响，色度、光照和背景等其他因素对深度信息数据的影响也较低。我们还可以根据距离的差异可以轻易地背景中分割出来我们需要的目标。因此，利用含有深度信息的RGB图像进行手势动作识别可以有效的克服以上用普通RGB图像进行识别时遇到的困难。本文利用英特尔的最新的RGB-D相机产品RealSenseD415，来获取深度信息的RGB数据源，制作需要的深度手势库。然后再利用PCA进行数据的特征提取和降维，最后再用SVM分类器进行分类识别,实现对手势的识别并在界面中显示出识别结果。

关键词：静态手势；手势识别；RGB-D相机；深度图像

目录

摘要

Abstract

1 绪论-1

1.1 课题研究的背景和意义-1

1.2 手势识别的研究现状和发展趋势-2

1.3 主要研究内容-3

1.4 论文结构安排-4

2 系统原理方案-6

2.1 RealSense-7

2.1.1 RealSense概述-7

2.1.2 RealSense设备系统介绍-8

2.2 PCA-10

2.2.1 PCA概述-10

2.2.2 PCA原理-11

2.3 SVM-13

2.3.1 SVM概述-13

2.3.2间隔最大化和支持向量-14

2.3.3 非线性支持向量机和核函数-17

2.3.4 线性不可分支持向量机-19

2.3.5 多分类支持向量机-21

3 系统具体实现-24

3.1 Microsoft Visual Studio2015的安装-24

3.2 Opencv的安装和配置-24

3.3手势动作采集-26

3.4文件读取-27

3.5 PCA降维函数-28

3.6 SVM分类器-29

3.7识别模块-29

3.8 MFC界面-30

4 系统展示-31

5 总结与展望-33

参考文献-34

致谢-35