液晶電視已經逐漸普及化，為了因應使用於各個場所的電視需求與操作方式，將使用手勢辨識系統取代遙控器和按鍵式操作的基本功能。
    使用方法主要為背景相減法、閉合運算、CmaShif演算法和細線化演算法來辨識手勢，再判斷出各個手勢代表的意義,進而控制電視機的基本操作功能。
    因為已經有部分業者推出了適用於各個場合的電視，像是畫面旋轉的電視，可以倒掛在廚房的櫥櫃下，讓家庭主婦可以於烹飪同時觀看美食介紹或料理頻道，但是有可能手會因為油漬和水漬操作電視或遙控器時會造成損壞，因此讓我有了利用手勢辨識系統取代遙控器和按鍵式keypad的構想。
    手勢辨識系統和液晶電視的結合可以讓電視於各種場合下操作，可增加其便利性和娛樂性。

LCD-TV is gradually popular to us. For matching the needs of various operations of LCD-TV in different places, we will replace the remote controller and key pad with the gesture-recognition system.

We use Background Subtraction, Closing Methods, Algorithm of CamShift and Algorithm of Thinning to judge the meaning of every gesture to control the basic operations of LCD TV.

Some TV vendors provide new LCD TV such as image-flip one that can be hung on the cupboard in the kitchen for housewife's watching cooking channel when cooking.However, it may possibly damage the remote controller or key pad because of water or greasiness on hand. That is why we design the Gesture-recognition system.

After the integration of gesture-recognition system and LCD TV, the operations will be more convenient, entertaining in every place.

頁目錄
中文摘要...........................................Ⅰ
英文摘要...........................................Ⅱ
頁目錄.............................................Ⅲ
圖目錄.............................................VI
表目錄.............................................IX
第一章 緒論........................................1
1.1 前言...........................................1	
1.2 研究動機與目標	.................................2
1.3 流程簡介與研究方向.............................3 

第二章 系統與環境設備簡介..........................5
2.1 環境介紹.......................................5
2.2 硬體設備介紹...................................5
2.3 軟體開發環境...................................7
2.4 人機介面介紹...................................7

第三章 基礎理論與知識背景..........................8
3.1 RGB & HSV色彩空間..............................8
  3.1.1 RGB色彩空間................................8
  3.1.2 HSV色彩空間................................9
3.2 影像分離.......................................11
  3.2.1 背景相減法(Background subtraction).........11
  3.2.2 時間差異法(Temporal differencing)..........11
  3.2.3 光流偵測法(Optical flow)...................12
3.3 形態學(Morphology).............................13
  3.3.1 像素近鄰(Pixel’s neighbor)................14
  3.3.2 擴張(Dilation).............................15
  3.3.3 侵蝕(Erosion)..............................16
  3.3.4 斷開(Opening)..............................17
  3.3.5 閉合(Closing)..............................17
  3.3.6 二值化(Binary Threshold)...................19
  3.3.7 細線化(Thinning)...........................20

第四章 手勢辨識之研究方法..........................22
4.1 系統簡介.......................................22
4.2 影像擷取.......................................23
4.3 背景分離.......................................23
4.4 影像二值化.....................................24
4.5 雜訊去除.......................................25
4.6 RGB to HSV色彩空間轉換.........................27
4.7 CAMSHIFT演算法.................................29
  4.7.1 Back projection計算........................30
  4.7.2 Mean Shift演算法...........................31
  4.7.3 Continuously Adaptive Mean Shift演算法.....34
4.8 細線化演算法...................................37
4.9 手勢分析.......................................41
4.10 指令碼輸出控制................................42
4.11 實驗結果......................................46

第五章 結論與未來展望..............................57
5.1 結論...........................................57
5.2 未來展望.......................................58

參考文獻...........................................59 


圖目錄
圖1.1完整平台架構流程圖............................4
圖3.1 RGB Color Space..............................9
圖3.2 HSV Color Space..............................10
圖3.3 3X3遮罩示意圖................................13
圖3.4像素四近鄰....................................14
圖3.5像素八近鄰....................................14
圖3.6四近鄰和八近鄰擴張表示圖......................15
圖3.7四近鄰和八近鄰擴張範例........................15
圖3.8四近鄰和八近鄰侵蝕表示圖......................16
圖3.9四近鄰和八近鄰侵蝕範例........................16
圖3.10閉合和斷開運算實際範例圖.....................18
圖3.11二值化直方圖之示意圖.........................19
圖3.12手勢二值影像細線化實際範圖...................21
圖3.13手勢二值影像細線化前後合成圖.................21
圖4.1手勢辨識系統控制LCD-TV流程圖..................22
圖4.2影像擷取流程圖................................23
圖4.3背景相減示意圖................................24
圖4.4影像二值化示意圖..............................25
圖4.5八近鄰之3X3遮罩...............................26
圖4.6經過閉合運算後之二值影像......................27
圖4.7 HSV色彩空間..................................28
圖4.8色彩機率分佈直方圖............................30
圖4.9 Mean Shift演算流程表示圖.....................33
圖4.10 Cam Shift演算法流程圖.......................36
圖4.11 Cam Shift演算法膚色偵測追蹤.................37
圖4.12二值影像之ROI區域............................37
圖4.13細線化之八近鄰3X3遮罩範例....................39
圖4.14細線化之手勢二值影像.........................40
圖4.15細線化+ROI之手勢二值影像合成圖...............40
圖4.16經過OFFSET之後的新ROI示意圖..................41
圖4.17環形ROI區域表示圖............................41
圖4.18尋找指尖端點示意圖...........................42
圖4.19連續手勢Frame輸入示意圖......................43  
圖4.20 RS-232轉UART傳輸介電路&治具圖...............44
圖4.21 RS-232傳輸介面視窗..........................45
圖4.22遠距離手勢辨識結果圖.........................47
圖4.23近距離手勢辨識結果圖.........................48
圖4.24穿著長袖衣服之手勢辨識結果圖.................49
圖4.25模擬戴大型戒指手勢辨識結果圖.................50
圖4.26模擬戴手錶手勢辨識結果圖.....................51
圖4.27右手手勢辨識結果圖...........................52
圖4.28非制定之手勢辨識結果圖.......................53
圖4.29 RS-232轉UART傳送至LCD-TV控制PORT示意圖(1)...55
圖4.30 RS-232轉UART傳送至LCD-TV控制PORT示意圖(2)...55
圖4.31手勢辨識系統結合LCD-TV實際控制圖.............56


表目錄
表2.1 WEICHU TX-1320 webcam產品規格................6
表4.1手勢指令碼和功能對應圖........................43

[1]林永欽，利用視訊壓縮資料進行人體步伐分析，中華大學資訊工程學系研究所碩士論文，民國九十二年。
[2]李政憲，公共空間人潮的計數研究，大同大學資訊工程研究所碩士論文，民國九十七年。
[3]熊昭岳，行車安全偵測系統，國立中央大學資訊工程研究所碩士論文，民國九十四年。
[4]曹文潔，猜拳機，國立中央大學電機工程研究所碩士論文，民國九十六年。
[5]鄭凱方，人臉可辨識度計算用於監控系統中人臉正面最佳影像判定，國立中央大學資訊工程研究所碩士論文，民國九十六年。
[6]邱奕契，常用影像處理演算法-上，2008自動化光學檢測產業設備系統設計種子師資班教學講義，民國九十七年。
[7]邱奕契，常用影像處理演算法-下，2008自動化光學檢測產業設備系統設計種子師資班教學講義，民國九十七年。
[8]王翊航、鄭俊傑、陳佑杰、張雅淇、吳雋湧，具人臉追蹤功能之網路監控系統，銘傳大學電腦與通訊工程學系專題研究，民國九十六年。
[9]林宸生，機器視覺、光電與人文-林宸生的教學與研究，逢甲大學特聘教授教學網頁。 
   http://researcher.nsc.gov.tw/ct.asp?mp=756&CtNode=541
[10]張嘉華，學習繪圖風格，大同大學資訊工程學系專題研究，民國九十六年。
[11]陳慶瀚，細線化與骨架抽取，中央大學資訊工程學系，機器智慧與自動化技術實驗室教學講義。
[12]G. R. Bradski,“ Computer vision face tracking for use in a perceptual user interface,” Intel Technology Journal, 2nd Quarter, 1998.
[13]John G. Allen, Richard Y. D. Xu, Jesse S. Jin,“Object Tracking Using CamShift Algorithm and Multiple Quantized Feature Spaces,” School of Information Technologies University of Sydney Madsen Building F09, University of Sydney, NSW 2006
[14http://www.mathworks.com/access/helpdesk/help/toolbox/images/index.html?/access/helpdesk/help/toolbox/images/f8-20792.html
[15http://prosjekt.ffi.no/unik4660/lectures04/chapters/Introduction.html
[16]Intel Corporation: Open Source Computer Vision Library Reference Manual, 123456-001,2001
[17]K. Fukunaga and L.D. Hostetler,“The Estimation of the Gradient of a Density Function, with Applications in Pattern Recognition,” IEEE Trans. Information Theory, vol. 21, pp. 32-40, 1975.
[18]Haiting Zhai and Xiaojuan Wu,“Research of a Real-time Hard Tracking Algorithm,” IEEE. Neural Networks and Brain, 2005. ICNN&B '05. International Conference , vol.2, pp. 1233-1235, 2005.
[19]Yizong Cheng, (1995),“Mean shift, mode seeking and clustering,” IEEE Trans.  Pattern Analysis and Machine Intelligence, vol.17, pp.790-799,  1995.
[20]T.Y. Zhang and C.Y. Suen,“A fast parallel algorithm for thinning digital pattern,” Communications of the ACM, Vol. 27, No.3,  pp.236-239, 1984.
[21]吳明川、劉修庭，PTZ攝影機應用於人物偵測與追蹤之研究，國立台北科技大學機電整合研究所，2008數位科技與創新管理研討會，pp.1258~1267，民國九十七年。
[22]陳佳源，結合平移距離與傅立葉特徵之手勢辨識系統，中原大學資訊工程學系碩士論文，民國九十六年。
[23]Jae-Ho Shin , Se-Kee Kil, “Hand Region Extraction and Gesture Recognition using entropy analysis,” Computer Science and Network Security, IJCSNS International Journal, Vol. 6, No. 2A,  pp. 216-222, 2006.
[24]Young-Joon Chai, Dong-Heon Jang, And Tae-Yong Kim“Homogeneity Based Background Subtraction for Robust Hand Pose Recognition : Focusing On the Digital Game Interface, ” Computer Graphics, Imaging and Visualisation(CGIV), pp.292~297, 2007.
[25] G.R. Bradski, V. Pisarevsky, “Intel's Computer Vision Library,” Proc of IEEE Conference on Computer Vision and Pattern Recognition, CVPR00, 
vol.2, pp.796-797, 2000.
[26] C. Shan, Y. Wei, T. Tan, F. Ojardias, “Real time hand tracking by combining particle filtering and mean shift”, Proc. Sixth IEEE Automatic Face and Gesture Recognition, pp. 669-674, 2004.