如何用matlab实现数字手势的识别

模式识别、机器学习。

一般的做法是：

首先要有一定数量的手势图片；

其次将训练用的手势图片进行人工分类，即“打上标签”

再次将手势图片转换成轮廓图（可以用DFT、DCT、小波变换等计算出边缘，然后对边缘进行“扩张”即可）；

第四是将轮廓图规格化、矢量化，生成向量；

最后以上述向量集来训练学习机（例如：神经网络），直到回归；

获得的结果是能进行手势识别的学习机。

人体行为识别是计算机领域的一个重要研究课题。人体行为识别是指通过计算机技术,使计算机能够从视频或图像序列中自动识别出人体的动作行为并对其进行分类。本文对人体行为识别方法进行探讨和研究。<br>人体行为识别过程主要分为预处理、特征提取及动作分类三个阶段。在预处理阶段,本文主要介绍了三种目标检测方法,并比较了三种目标检测方法的优劣性。在特征提取方面,本文介绍了 Gist特征、STIP特征、Dollar特征、Hog3D特征、HON4D特征及骨架点特征,并详细阐述了各个特征的提取过程。在动作分类方面,本文首先简单介绍了当前主流的判别式模型和生成式模..

clear

I=imread('E:\Matlab\图片\q5.jpg')

O=rgb2ntsc(I)

G=O(:,:,2)

[m n]=size(G)

U=zeros(m,n)

for i=1:m

for j=1:n

if G(i,j)>0.03&&G(i,j)<0.16

U(i,j)=1

end

end

end

sr=strel('disk',6)

C=imclose(U,sr)

L=bwlabel(C)

B=regionprops(L,'area')

Se=[B.Area]Sm=max(Se)

if Sm>m*n/27

B1=bwareaopen(C,Sm)

k_y1=mk2=ml2=n

for i=1:m

if any(B1(i,:))==1

k_y1=i

break

end

end

for i=k_y1:m

if B1(i,:)==0

k2=i

break

end

end

for j=1:n

if any(B1(:,j))==1

l_y1=j

break

end

end

for j=l_y1:n

if B1(:,j)==0

l2=j

break

end

end

---