摘要!为了精确识别人手姿态用于机器手控制!文中讨论一种基于计算机视觉的手势立体姿态检测的新方法$该方法利用多目视觉之间的配合!有效地解决了检测识别时手部关键节点互相遮挡的关键问题$采用了自适应阈值分割)SLAAIJ角点检测)外极线约束等几种合理)有效的点的匹配算法!对不同摄像机拍摄到的手部关键节点进行排序!这样不仅解决了特征点的位置归属问题!也解决了图像与对应点的匹配问题$通过实验表明*对手部关键节点的检测达到了满意的结果

关键词!计算机视觉%手势姿态%多目视觉%SLAAIJ角点检测%极线约束

引!言

机器视觉理论应用于现代检测领域!是上世纪末本世纪初计算机视觉的一个新的研究方向%它使用计算机视觉的理论方法来识别物体的关键点!经过分析处理以后!转换成三维坐标!然后产生检测数据%图像匹配技术作为机器视觉理论的一个难点!是最重要的研究任务之一%现有的图像匹配算法基本可以分成以下四种"区域的灰度相关的匹配方法!基于特征的匹配方法!关系结构匹配方法!神经网络匹配方法%文中将主要讨论基于特征的图像匹配技术%常用的匹配特征按尺度从小到大主要有点状特征#如顶点’角点’拐点$’线状特征#如区域边缘的线’对称的线$和区域特征#如区域灰度’特纹理区域’区域描述符$等%主要侧重于特征点的匹配!根据特征点的定义不同!检测的算法也不同!比较典型的有.XIBS的.0++-角点检测算法!@IBMS:9的局部二次曲面拟合角点检测算法和DLAAIJ的基于图像灰度变化率角点检测算法%特征点匹配的难点在于"噪声的干扰’出格点的影响和遮挡问题%很多人把人手姿态作为重要的检测对象进行研究%在人手上!最主要的是各种自由度不同的关节!它们的单独运动或组合运动!使手可以完成各种复杂动作%国内外针对手部姿态研究进行了一些尝试()!利用双目视觉对手部三个手指进行检测!成功地得出了三维数据并用于了机械手的控制%但是并没有进行五个手指的检测%文中在检测五个手指关节方面做了一些研究!并且针对五个手指检测存在的互相遮挡问题及特征点匹配问题采用了四目视觉以及多判据的方法!最后精确得出了手部五个手指的三维数据!结果是满意的%