多触点技术(Multi-Touch Techniques)是一种新兴的人机交互技术,它是采用人机交互与硬件设备共同实现的技术,能在没有传统输入设备(如:鼠标、键盘等)通过人的手指、手势和其他外在的物理物直接与计算机进行交互。实现多触点技术的难点在于触点的跟踪和触点运动轨迹的识别。就多触点的跟踪而言,可以对应为多目标的跟踪,尽管前人们已经对多目标的跟踪提出过多种算法,但在实际应用中仍然存在跟踪稳定性差,跟踪耗时长等不足。因此,本文试图在前学者工作的基础上,通过对触点检测,预测跟踪、数据关联和轨迹编码的研究,试图探索出符合本文的多触点跟踪和轨迹识别方法,并期望在此基础上增强对算法的理解以及改进。　　 本文多触点的跟踪和轨迹识别过程主要分为四个主要步骤:图像序列预处理、触点的检测、触点的跟踪和轨迹的识别。具体工作如下:　　 (1)图像预处理和触点检测的研究。图像预处理和触点检测结果的好坏,直接影响了跟踪的效果。在检测环节,本文研究了帧间差分法、背景差分法和光流法,并相应的做了对比实验。根据实验效果选取了背景差分法。并对触点检测中,受阴影干扰而影响跟踪稳定性这个问题,提出改进,取得了良好的实验效果。　　 (2)触点的跟踪。学习现有的跟踪理论,重点研究了基于Kalman预测-跟踪的方法。在研究多触点之前,研究了基于Kalman预测的单触点跟踪,指出Kalman滤波在多触点跟踪中的不足,提出基于Kalman预测与K-近邻数据关联的跟踪方法,保证了跟踪的连续性。并且对于多触点间的匹配定义了一种规则。　　 (3)深入研究了隐马尔可夫模型的三大经典算法,指出了隐马尔可夫模型算法在应用中的一些问题,及针对这些问题所提出的改进方法。　　 (4)轨迹的识别。根据触点轨迹的特点,结合现有资料,把夹角量化编码和方向矢量应用在轨迹的编码上,并针对轨迹的复杂程度建立了相应的HMM模型。并根据训练样本对模型参数进行了改进,使之更好的符合实际情况。最后计算测试样本对于各个模型的最大似然概率,选取最大概率值对应的轨迹模式类作为轨迹识别的结果。