学海网

毕业设计-基于多视角视频采集与分析的智能鼠标算法研究—手势特征提取，共34页，13158字，附开题报告等
主要内容
1.主要研究内容：
1）特征分析：根据不同的手势分析其边缘特征，主要有拳头，手掌，单个手指；
2）对经典边缘检测算法进行实现和实验分析比较；
3）根据对经典算法的分析结果提出对手势特征的具体描述算法并进行实验验证。
2. 采用的研究方法：
1）文献法: 通过查询和阅读已有的文献资料，在原有的基础上将已有的结论进行平行的引用加强。
2）讨论法：和做相近领域中论文的同学进行讨论，对于讨论后仍有疑难的问题请教指导老师。
3）比较法：对经典边缘检测算法和新兴算法进行实现和比较。
4）分析法：在研究过程中对手势的边缘特征进行分析。
5）模拟法：利用计算机进行实况模拟，来得出最相近的解决方法
3.拟取得的研究成果:
1）完成相关经典边缘检测算法的实现；
2）针对具体的手势特征提出有效的边缘检测方法；
3）与小组成员的其他算法模块进行整合与测试；
4）完成毕业设计论文的撰写，并完成一篇学术论文的投稿。

摘要
基于多视角视频采集与分析的智能鼠标是通过不同角度的视频采集，通过数据线，传导到计算机中，再通过不同的算法对视频进行分析。所采集的视频是指手势对计算机的控制，最终将实现用手作为鼠标，对计算机进行操作的目的。本课题又可分为目标检测，特征提取，目标跟踪，配准等。将这些内容整合归一，形成一个完整的软件体系。其中特征提取可分为边缘检测和角点检测。
边缘检测是使用数学方法提取图像像元中具有亮度值(灰度)空间方向梯度大的边、线特征的过程。对手势的边缘提取，其目的在于准确的把握手势所传达的信息，不同手势的边缘不同。传统的边缘检测方法基于空间运算，借助空域微分算子进行，通过将算子模板与图像进行卷积合成，根据模板的大小和元素值的不同有不同的微分算子，如Robert算子、Sobel算子、Prewitt算子、LOG算子、Canny算子等，这些算子虽然易于实现、具有较好的实时性，但由于边缘检测问题固有的复杂性，使这些方法在抗噪性能和边缘定位方面往往得不到满意的效果，这主要是因为边缘和噪声都是高频信号，很难在噪声和边缘中作取舍。而本文提出了一种基于Susan特征的边缘检测方法，通过验证表明Susan算子能够有效完整的提取出手势的边缘，性能优于传统的边缘检测方法。
我们这次设计了几种手势，通过这几种手势的不同来传达不同的信息。我们将采集多人的相同手势进行对比分析，用不同算法进行检测，找出一个最好的方法来实现边缘检测的功能。通过边缘检测能够更好的识别出手势的轮廓特征，便于后期的手势识别。
关键词：边缘检测，手势特征，智能鼠标，视频采集

Abstract
The smart mouse Algorithm based on the multi-angle video capture and analysis through different angles of video capture, through data lines, transmitted to the computer, and then by a different algorithm to analyze the video. The captured video finger gestures on the control of the computer, and will ultimately achieve the purpose of the hand as a mouse, to operate the computer. This topic can be divided into target detection, feature extraction, target tracking, registration and so on. Integration of these normalized to form a complete software system. Which can be divided into edge detection and corner detection feature extraction.
Edge detection is to use mathematical methods to extract image has brightness values (gray) space gradient direction edge line features. Gesture edge extraction, the object thereof is to accurately grasp the information conveyed by the gesture of the gesture, Different gesture has different edge. Traditional edge detection method based on space operations, with the help of the airspace differential operator the operator template image convolution synthesis, according to the size of the template and the element values of different different differential operator, such as Robert operator, Sobel operator, Prewitt operator, LOG operator, Canny operator, these operators is easy to implement, has a good real-time, but because of the inherent complexity of the problem of edge detection, so that the positioning of these methods in the anti-noise performance and edge are often not satisfied with the results, this is mainly because the edge and noise are high-frequency signals, it is difficult to make a decision in the noise and edge. In this paper, a new method is present, which is based on Susan characteristics of the edge detection. The results of the experiment show that Susan method not only can extract the completed edge of hand gestures effectively, but also has superior performance compare with some traditional edge detection method.
This time we designed several gestures to convey the type of information by the type of these types of gestures. We will capture the same gestures were analyzed from different people, using different algorithms to detect and identify the best methods to achieve the edge detection function. Edge detection are better able to identify the gesture contour features, easy-to-late gesture recognition.
Keywords: Edge Detection,Gesture features,intelligent mouse,Video Capture

目录
第一章 绪论 - 4 -
1.1 研究背景 - 4 -
1.2 研究意义 - 5 -
1.3 内容简介 - 6 -
1.3.1总体设计 - 6 -
1.3.2 本次论文章节安排 - 7 -
第二章 经典算法简介 - 8 -
2.1 Sobel算子 - 8 -
2.2 Roberts算子 - 10 -
2.3 Prewitt算子 - 11 -
2.4 Log算子 - 12 -
2.5 Canny算子 - 15 -
第三章 本文选用的算法 - 19 -
3.1基于Susan特征的边缘检测算子 - 19 -
3.2 图像去噪 - 21 -
第四章 Hog特征算法 - 23 -
4.1 Hog特征算法 - 23 -
4.2 图像梯度幅值和方向 - 23 -
4.3 图像细胞单元的划分 - 24 -
4.4 HoG特征运行结果 - 24 -
第五章 总结与展望 - 27 -
致谢 - 28 -
本科在读期间的成果 - 29 -
参考文献 - 30 -

1.3 内容简介
1.3.1总体设计
手势识别是一种有效的人机交互方式。通过手势的识别，能够更加清晰明确的表明人的意识，让机器更加准确的把握人的想法，明白人要做什么。手势识别的常用方法有边缘检测法和角点检测法，本课题重点研究的是边缘检测法。
图像的边缘是图像的重要特征之一，图像边缘监测是图像分割，目标识别等数字图像处理领域的一个十分重要的基础，其目的定位边缘，抑制噪声，因此是计算机视觉中不可缺少的一个环节。而实际生活中，图像的边缘是多种多样的，如直线，斜线，弧线，直角，锐角，钝角等，以及各种噪声的干扰，边缘检测成为了数字图像处理中的一个难题。
边缘检测是使用数学方法提取图像像元中具有亮度值(灰度)空间方向梯度大的边、线特征的过程，质是采取某种算法对图像中对象与背景加以区分，将边界线提取出来。
边缘检测的一般步骤为
①滤波：边缘检测算法主要是基于图像强度的一阶和二阶导数，但导数的计算对噪声很敏感，因此必须使用滤波器来改善与噪声有关的边缘检测器的性能。需要指出，大多数滤波器在降低噪声的同时也导致了边缘强度的损失，因此，增强边缘和降低噪声之间需要折中。
②增强:增强边缘的基础是确定图像各点邻域强度的变化值。增强算法可以将邻域(或局部)强度值有显著变化的点突显出来。边缘增强一般是通过计算梯度幅值来完成的。
③检测：在图像中有许多点的梯度幅值比较大，而这些点在特定的应用领域中并不都是边缘，所以应该用某种方法来确定哪些点是边缘点。最简单的边缘检测判据是梯度幅值阈值判据。
④定位：如果某一应用场合要求确定边缘位置，则边缘的位置可在子像素分辨率上来估计，边缘的方位也可以被估计出来。在边缘检测算法中，前三个步骤用得十分普遍。这是因为大多数场合下，仅仅需要边缘检测器指出边缘出现在图像某一像素点的附近，而没有必要指出边缘的精确位置或方向。
通过边缘检测能够更好的识别出手势的轮廓特征，便于后期的手势识别。通常边缘检测的方法有Prewitt算子，Roberts算子，Sobel算子，Log算子。这些方法虽然计算简单，但是不能够完整的没有遗漏的提取出手势的边缘特征。而本文采用了一种新兴的算法，基于Susan特征的边缘检测算子，通过与Sobel和LoG算子进行比较,本文提出的算法可以获得手势的整体轮廓特征。
1.3.2 本次论文章节安排
第一章 绪论               对研究背景和意义进行阐述
第二章 内容简介           对研究内容进行介绍以及介绍论文章节进行安排
第三章 经典算法简介       对经典算子进行逐一介绍并展示实验结果
第四章 本文提出的算法     对核心算法进行介绍并展示实验结果
第五章 系统简介           对本组整体系统进行介绍
第六章 总结与展望         对本次项目进行总结与阐述心得体会