1、基于視覺的手勢識別符合人的自然交流習(xí)慣，并且可以進行遠距離、非接觸的交互，成為人機交互研究中的熱門方向，其中識別效果很大程度上取決于識別算法的性能。近年來，基于稀疏表示的識別方法由于具有良好的魯棒性和識別效果，在模式識別中備受關(guān)注，但目前稀疏求解算法在精度和計算復(fù)雜度等問題上還需進一步完善。本文針對上述問題，對稀疏表示分類算法進行詳細分析和改進，具體的研究內(nèi)容如下:
　　(1)在YCbCr彩色空間中建立橢圓模型對手勢圖像進行分割，

2、并采用形態(tài)學(xué)處理消除噪聲點，提取手勢圖像的Hu不變矩和HOG特征，并采用PCA降維。
　　(2)針對OMP算法及其改進算法存在精度低，參數(shù)不確定的問題，提出改進的自適應(yīng)正交匹配追蹤算法，該算法引入稀疏度估計和變步長思想來實現(xiàn)稀疏度的逼近。實驗結(jié)果表明，該算法的識別率高于其他改進的OMP算法，計算時間也明顯小于OMP算法和SAMP算法，尤其在樣本較多，維數(shù)較高時具有明顯優(yōu)勢。
　　(3)針對基于l1范數(shù)求解算法存在計算復(fù)雜度高