基于点匹配算法的手势识别系统

资 源 简 介

本项目利用MATLAB平台实现了一套完整的手势识别流程，重点采用了点匹配（Point Matching）方法来解决手势的特征提取与分类难题。系统首先对输入的彩色或灰度手势图像进行预处理，包括中值滤波去噪、背景剔除以及基于肤色模型或阈值分割的手部区域二值化。预处理完成后，系统利用边缘检测或骨架提取算法提取手部轮廓的关键点集作为特征表示。在识别核心环节，代码通过计算待测手势点集与预存模板点集之间的几何相似性进行匹配，通常涉及坐标归一化、重心对齐以及寻找点集间最小欧几里得距离。该点匹配方法能有效应对由于手势位置

详 情 说 明

基于点匹配方法的MATLAB手势识别系统

项目介绍

本项目是一套基于MATLAB平台开发的手势识别系统，核心逻辑采用点匹配（Point Matching）算法。该系统能够识别预定义的几种典型手势（如数字1、剪刀手、张开的手掌），通过将输入的图像特征简化为几何点集，并与模板库中的标准点集进行相似度对比，从而实现准确的分类识别。该系统特别设计了归一化处理流程，使其对图像中的手势平移、缩放以及轻度旋转具有较强的稳健性（Robustness）。

功能特性

1. 自动化模板构建：系统内置了基于坐标定义的多种手势几何模板，并对其进行重心对齐与比例归一化处理。
2. 鲁棒的预处理算法：集成中值滤波去噪、YCbCr肤色空间建模分割以及形态学处理（开闭运算及反噪），能够有效从复杂背景中提取手部区域。
3. 点集特征提取：利用边缘检测与均匀重采样技术，将复杂的物体轮廓转化为具有固定数量（100点）的特征点集。
4. 几何对齐与匹配：采用重心对齐和最大距离归一化算法消除位置与大小差异，匹配算法采用双向平均最短欧几里得距离，确保匹配的精确度。
5. 全过程可视化：提供直观的GUI界面展示，包括原始图、分割掩膜、提取的特征点、点集对齐效果图、误差对比柱状图及最终识别结论。

运行环境

• 软件要求：MATLAB R2016b 或更高版本。
• 工具箱要求：Image Processing Toolbox（图像处理工具箱）。

系统实现逻辑与核心功能说明

#### 1. 模板库构建 系统首先初始化一个模板结构体，通过定义的点坐标构建“One”、“Two”、“Five”三种基本手势。为了保证匹配的公平性，所有模板点集在存储前都会经过归一化处理，即将坐标系的中心移动到点集的重心，并将点集整体缩放到单位范围内。

#### 2. 图像模拟与输入 代码内置了一个动态模拟生成器。它根据选定的标签（如“Two”），在带有高斯噪声和特定RGB背景的图像中，通过几何变换（缩放、旋转15度、平移）生成一个模拟的肤色区域。这一功能既能展示系统对实际图像的处理能力，也证明了算法对几何形变的防御力。

#### 3. 图像预处理流程

• 去噪：对RGB三通道分别执行5x5的中值滤波，去除椒盐噪声。
• 肤色分割：将颜色空间从RGB转换至YCbCr，并利用经典的肤色阈值范围（Cb介于77-127，Cr介于133-173）进行像素级分割，生成二值化掩膜。
• 形态学精修：通过半径为5的圆形结构元素执行闭运算填充内部空洞，执行开运算去除边缘毛刺，并使用面积过滤函数剔除小于500像素的干扰噪点。

#### 4. 特征点提取与归一化

• 轮廓采样：系统搜索二值图中面积最大的连通域边缘，并从边缘序列中进行均匀步长的采样，确保无论手势大小，均提取固定数量（100个）的特征点。
• 核心对齐：提取的点集会经历“减去均值”操作以实现中心对齐，再除以“到重心最远点的距离”以实现比例缩放归一化。这一步是将不同位置、不同大小的手势转化为可比性的关键。

#### 5. 点匹配算法实现 识别核心在于计算待测点集与每个模板点集的相似性分值：

• 双向距离测度：对于测试点集中的每个点，寻找模板点集中与之最近的点的距离；反之亦然。
• 匹配得分：计算上述两个方向最短距离的平均值，作为最终的匹配误差。误差值越小，代表两个点集形状越接近。
• 分类决策：通过遍历所有模板，选取匹配误差最小的模板作为最终识别结果。

#### 6. 结果可视化输出 识别完成后，系统会弹出一个包含6个子图的综合窗口：

• 展示原始图像及真实标签。
• 展示处理后的肤色二值掩膜。
• 展示从图像中提取并经过归一化的红色特征点。
• 展示测试点集与最佳匹配模板点集的重叠对齐图。
• 通过柱状图清晰对比各手势模板的误差分值。
• 显著标注最终识别出的手势名称和识别分值。

使用方法

1. 将本项目提供的所有代码函数放在同一个MATLAB路径下。
2. 在MATLAB命令行窗口输入该主函数名称并回车。
3. 系统将自动运行全流程并弹出结果分析窗口，同时在控制台输出识别日志。
4. 若需更换输入手势，可在代码中的模拟图像生成部分修改标签参数。