[发明专利]一种基于红外手势识别的数字建筑模型展示方法及系统

说明书

本发明属于数据处理技术领域，公开了一种基于红外手势识别的数字建筑模型展示方法及系统，模型展示方法利用全息投影技术，展示建筑物模型立体效果；并通过红外手势识别的交互形式实现建筑物模型的放大、缩小、旋转和其建设过程的分阶段演示效果；系统包括多媒体播放模块，手部识别和映射模块，WPF图形界面模块，手势控制模块和全息幻影成像模块。本发明利用BIM的特点可以在今后的改进中对设计中或者建筑中的建筑物进行展示、布局和设计，结合本发明的系统便于操作的特点以对于相应范围内的建筑或建筑群，方便建筑从业者的设计实施和调整，同时其具备的多媒体播放器模块可以提供更多的拓展功能。

技术领域

本发明属于数据处理技术领域，尤其涉一种基于红外手势识别的数字建筑模型展示方法及系统。

背景技术

手势识别：目前，国内对手势识别的研究，起步较晚。在2000年，由哈工大的吴江琴等人发表的一篇文章中，他们利用Cyberglove型号的数据手套作为手势输入的设备，使用动态高斯混合模型作为识别系统的模型，然后使用高斯N元混合密度来模拟手语信号，对于随时间变化的M元分量进行建模，能够对中国手语词典的两百多个词条进行识别，识别率可以达到98％。HMM和的识别系统相比，该模型的辨识精度与HMM的识别精确度相当，同时，该模型的HMM训练和识别速率较的训练和识别速度有显著改善。此外，清华大学的祝远新、徐光佑等人给出了一种基于机器视觉的动态孤立词手势识别技术，他们借助图形边界参数和健壮回归分析，构造出多种变化模型作为手势的特征，接着，利用最小最大化理论来创建手势识别的参考模板，利用基于模板的手势分类技术进行手势识别。在接下来的研究当中，他们提出了一种基于动态手势的时空表现模型，并抽取基于色彩、运动和形状等多模式的信息参数。最后使用动态时空规整(DSTW)进行手势识别，对于给定的十多种手势，其率别率达到了97％；2006年底，TCL公司开发出一款使用闪联标准方法的人机交互平台。该平台采用了手势的动态跟踪，粒子滤波以及手势识别与行为分析等技术，用户能够通过手势控制鼠标，操纵家电产品等。

基于人手的信息交互广泛存在于人们的日常生活当中。然而，同一个手势由不同的人来表现，得到的结果很可能差别很大。这主要是因为人手高度的灵活性、严重的自我遮挡和尺度变化所造成的。此外，影响手势识别的还有光照变化，复杂的室内/外环境，不同人种肤色的差异等等。尽管存在很多不确定性，但人类视觉系统却可以很轻易的排除掉各种干扰，准确地分辨出不同手势。但这对当前基于计算机视觉的手势识别系统来说还是遥不可及的。到目前为止，还没有哪一个计算机系统可以接近人类视觉系统的识别能力。此外，由于人手本身结构的复杂性，系统还要具有可以区分相似手势的能力。目前，基于计算机视觉的手势识别系统依然存在很多缺陷，主要包括：

1).特征提取运算效率低。要提高基于计算机视觉的手势识别系统的准确率，就一定要利用相应的计算模型(Computational Model)提取最具稳定性、最具判别性的图像特征。然而，图像特征提取的计算复杂度高、运行速度慢，严重影响系统的实用性。

2).特征数据量大。计算模型提取的图像特征数据量很大。多特征数据集的分类是非常复杂的过程。而且从不同类别提取出来的特征很相似，这会严重限制系统的识别能力。为了解决这个问题，就需要从更多的样本中提取更多的图像特征，对大量的特征进行分析从而构建分类模型，然而这也加重了整个系统的处理负担。此外，特征数据的高维度也影响了系统的运算效率。

3).环境的复杂。复杂的室内/外环境，多变的光照条件是另一个严重影响系统识别率的重要因素。一般来说，可以利用肤色模型来减少环境的影响。然而对于不同肤色或具有类肤色的背景来说，传统的肤色模型无法准确检测到人手的空间分布，从而影响了不同手势的识别。

4).人手结构的复杂性。由于人手属于三维关节体结构，它在二维平面的投影为大量的具有遮盖特点的形状。这个特点导致手部区域分割和提取有用特征的过程非常困难。目前最常用的解决自我遮挡的方法是令手掌与摄像头平行，这样做可以避免人手存在的自我遮挡问题，同时也可以达到减低维度的目的。不管采用何种方式进行手势识别，能够准确的从背景中分割出手势都是关键的一步。