摘要：目的針對(duì)目前手勢(shì)識(shí)別方法受環(huán)境、光線(xiàn)、旋轉(zhuǎn)、縮放、膚色等因素的影響,導(dǎo)致手勢(shì)識(shí)別精度下降的問(wèn)題,提出一種結(jié)合聚合通道特征(ACF)的手勢(shì)檢測(cè)和雙樹(shù)復(fù)小波變換(DTCWT)的復(fù)雜背景下手勢(shì)識(shí)別方法。方法在手勢(shì)圖像預(yù)處理過(guò)程中引入聚合通道特征,采用Adaboost分類(lèi)器和非極大值抑制算法(NMS)進(jìn)行目標(biāo)手勢(shì)的檢測(cè);利用DTCWT對(duì)目標(biāo)手勢(shì)圖像進(jìn)行多尺度多方向分解,對(duì)高低頻系數(shù)的每一塊分別提取方向梯度直方圖(HOG)和局部二值模式(LBP)特征;最后融合各個(gè)方向上的高低頻特征并通過(guò)支持向量機(jī)(SVM)進(jìn)行分類(lèi)識(shí)別。結(jié)果選取多個(gè)場(chǎng)景、多個(gè)對(duì)象、不同角度和距離的圖像作為訓(xùn)練集,并標(biāo)注區(qū)分前背景,對(duì)20種手勢(shì)進(jìn)行識(shí)別實(shí)驗(yàn),并與傳統(tǒng)的膚色檢測(cè)、HOG特征手勢(shì)識(shí)別、類(lèi)-Hausdorff距離的手勢(shì)識(shí)別算法進(jìn)行了實(shí)驗(yàn)對(duì)比。在任意可承受范圍內(nèi)的光照、距離等情況下,該方法能夠更準(zhǔn)確實(shí)時(shí)地實(shí)現(xiàn)手勢(shì)識(shí)別,平均精度達(dá)到95.1%。結(jié)論在圖像預(yù)處理的情況下,聚合通道特征的引入能夠準(zhǔn)確檢測(cè)手勢(shì),同時(shí)基于DTCWT的手勢(shì)圖像頻域特征提取和再融合的方法有效地解決了傳統(tǒng)普通圖像的單特征識(shí)別方法在光線(xiàn)和復(fù)雜背景下識(shí)別精度不高的問(wèn)題。