共查询到20条相似文献，搜索用时 15 毫秒
1.
提出一种提取手势轮廓轮廓看成一条曲线,采用HDC(Hierarchical Discrete Correlation)方法用一个内核对曲线进行多次平滑,得到曲线的尺度空间,再通过跟踪曲线在尺度空间中的运动找出手势轮廓的关键点,最后通过最小距离法对手势进行识别. 相似文献
2.
手势识别是人机交互领域的一种重要手段。针对现有算法识别率低,鲁棒性弱的问题,本文基于Kinect传感器获取的手势深度图像,对复杂背景干扰下的手部区域进行分割,然后利用梯度方向直方图(HOG)对手部灰度图像进行特征提取,最后利用最小马氏距离分类器进行建模、分类,实现静态手势识别。根据Kinect传感器获取的深度信息结合阈值分割法,能够准确地检测手部区域,为后续识别打下良好的基础。而HOG特征适应光照的变化,且具有几何不变矩的特性。实验结果表明,本文提出的手势识别方法在光照变化和复杂背景干扰下具有较强的鲁棒性和较高的识别率。 相似文献
3.
《赣南师范学院学报》2020,(3):36-40
为改善表面肌电信号手势识别的抗噪性和分类识别率,提出了一种基于多重分形特征的表面肌电信号手势识别方法.该方法首先借助多重分形测度分析手段,研究了不同手势动作下表面肌电信号的多重分形特性,根据不同手势表面肌电信号的多重分形谱之间的差异,提出了多重分形特征的提取算法,并利用多重分形特征结合支持向量机进行了手势识别.实验研究表明,上臂肌肉的表面肌电信号具有显著的多重分形特性,最大、最小概率子集分形维数差等多重分形特征可以作为不同手势动作的分类识别的有效特征,所提出的方法具有良好的分类识别性能,是一种有效的分类识别方法. 相似文献
4.
为了提高人机交互中手势动作的识别率,基于Kinect平台所构建的人体骨骼模型,提出一种基于时间线的相关关节数据表示方法。以几种常见交互手势为分类基础,在BP神经网络中使用样本数据进行训练。实验结果表明,该算法取得了较好的识别效果。 相似文献
5.
手势是一种自然而直观的人际交流模式.介绍了手势识别的发展过程以及手势的建模方法.当前人们采用不同的手势识别手段和技术来识别手势.同时介绍了当今比较先进的计算机手势输入技术,提出了一种新的手势识别方法,并举出已经实现的手势识别系统. 相似文献
6.
为培养创新实践班学生创新意识,引导学生接触人工智能算法,采用模块化思想设计了手势识别实验平台。平台硬件采用STM32F103作为核心,利用红外距离传感阵列采集手腕轮廓数据;软件采用C#编写应用演示界面框架,提供播放器控制器、手语识别器等案例的应用;算法部分提供决策树、SVM、神经网络等算法的C++/Matlab演示代码。模块化设计使得学生可根据兴趣选择学习方向合作完成作品研发。学生基于平台开发的手势识别作品具有可穿戴属性。在机电创新实践班教学中实验平台取得良好效果。 相似文献
7.
8.
随着更多照相和视频捕捉设备的涌现,对于非接触式手势命令的识别提出了很高的需求。本文针对这一趋势,依据实验环境和实际应用的需要,提出了一种在基于OpenCV2.2视觉库和Visual Studio C++来实现的Haar的矩形特征提取并充分利用Adaboost的学习分类模块来实现对特定握拳手势的实时识别和精确定位。本方法使用的迭代算法将弱分类器训练组合为强分类器,经过基于正负样本图片的过程后,所得的级联分类器首先可以根据摄像头捕捉的视频中的实时手势位置,能够识别手势的类型并进行对应画笔轨迹的跟踪实验,并且通过具体的算法,在已识别的各个位置中,实现了去除可能的误差位置,从而使得画笔的轨迹更为流畅。根据统计,所进行的实验对室内环境下握拳手势的识别率可以达到90%,取得了良好的效果。 相似文献
9.
石曼银 《赤峰学院学报(自然科学版)》2013,(18):27-28
本文提出了一种新型的利用Kinect获取深度图像并进行手势轨迹识别的应用方法,该方法称为HMM(隐马尔可夫)手势轨迹识别方法,具体操作步骤为:首先利用Kinect传感器获取深度图像,然后通过OpenNI的手势生成器的手势分析模块获取完整的手势信息,对手部进行形态学处理,识别并跟踪手势,提取手势轨迹,最后运用HMM手势轨迹识别方法进行识别.实践证明,该方法可快速有效地实现手势轨迹的识别. 相似文献
10.
目前一些相对成熟的手势识别算法,如基于模板匹配的方法、基于人工神经网络的方法以及基于隐马尔科夫模型的方法,都存在计算复杂的劣势,而基于深度学习的手势识别具有一定优势。通过深度学习提取多层网络简化的高价值易用特征,通过向量等表示,简化算法以实现良好的识别效果。通过摄像头采集室内复杂背景下的手势图像,在计算能力、存储能力强大的PC平台通过深度学习处理图像,提取特征,然后进行分类识别,能提高识别准确率。通过改进硬件或算法还可提高识别效率及安全性。 相似文献
11.
12.
针对基于MEMS惯性传感器的手势识别问题,提出了一种基于门控循环网络的手势识别模型架构。以智能手机为载体,通过其内置的MEMS惯性传感器获取手势运动数据,构建了基于LSTM网络的LSTM-D模型和基于GRU网络的GRU-D模型,实现了在三维空间中的手势识别。提出的两种模型均有较好的分类效果,在自建数据集上,LSTM-D模型和GRU-D模型分别可获取81%和85%的准确率,综合分析发现GRU-D模型参数更少,训练时间更短,模型识别更快更准确,模型的稳定性更高,为基于MEMS惯性传感器的手势识别研究提供了一定的参考价值。 相似文献
13.
为满足一个 Android 平板应用的需求,提出了一种可自由缩放的自定义控件的设计。该自定义控件可以响应双击、单点划动、双点划动等手势操作,并且可以通过手势来编辑控件的位置和宽高。控件不仅实现了缩放,还可以在缩放中改变控件的宽高比例。介绍了基于 Android 的自定义控件的设计原理和多种手势的识别和处理方法,详细讨论了可改变宽高比例的缩放的实现算法。 相似文献
14.
江铁成 《合肥师范学院学报》2016,(3):31-34
本文首先简单介绍了市面上手势识别技术的应用状况,接着分析了计算机手势识别的技术具体内容,介绍了手势识别技术常见的几种方法,分析手势建模方式,最后研究了现实生活中手势识别技术的在人机交互中的应用情况. 相似文献
15.
实现基于序列图像的手势轨迹识别,提出一种基于位置关系的手势轨迹识别方法,利用Kinect体感设备传感器提取轨迹序列,分析坐标序列的轨迹样本,通过黄金分割实现轨迹的匹配与识别。实验结果证明,该方法能有效识别手势轨迹。 相似文献
16.
《实验室研究与探索》2020,(5)
设计了一种基于机器视觉的写字机器人实验系统。该系统机械结构包括2自由度运动单元和书写机构;硬件部分由主控、识别、运动控制以及人机交互等模块组成,主控模块使用STM32作为主控制器;软件部分通过使用Bresenham算法结合坐标变换实现书写机构按照特定轨迹进行运动。测试结果表明,写字机器人系统可以完成运动手势识别,控制书写机构运动;也可以通过识别手写笔的运动来控制书写机构进行同步书写。该系统易于实现,且具有运动手势识别准确率高、同步书写精度较高等优点。 相似文献
17.
本文提出了一种字母手势识别方法,首先对字母手势图像进行预处理,然后用模板匹配的方法进行识别,并采用傅里叶描述子作为特征向量进行字母手势图像的描述,以消除视觉敏感问题.实验结果表明,我们的方法较好地实现了字母手势图像的识别. 相似文献
18.
系统以英特尔凌动处理器嵌入式平台为核心,运用手势识别、多目视觉立体定位、电机控制及3D建模等多种算法和技术,构建了一个真实人与虚拟世界进行实时交互的浸入式环境。一方面以图像处理算法为核心,进行基于肤色模糊识别和多智能体协作思想的图像分割,实现了基于形状特征的手势识别算法;另一方面采用了3dsmax辅助建模的方法,实现了手的骨骼模型这种复杂物体的建模,结合Direct3D开发3D虚拟环境系统,采用DirectSound产生环境的声音。通过对虚拟手的控制实现人与虚拟环境中三维物体的交互操作,如抓取、移动物体等动作。随着3D场景和动作的切换,伴随发出不同的声音。测试表明,该系统的手势识别成功率达到80%,人机交互较为生动、直观和真实。 相似文献
19.
基于传统人机交互方式如触摸屏、语音识别等技术,存在着在生活中的某些场合应用不便等问题,设计了一种基于微电子机械系统(MEMS)惯性传感器的手势轨迹绘制系统。该系统通过惯性传感器采集九轴原始数据并在单片机中实现姿态解算算法,然后在上位机完成轨迹重构。实验结果表明,设计的系统可以清晰地体现出手势轨迹的图形形状和尺寸大小,为生活增加便利。 相似文献
20.
魏晋 《河南科技学院学报》2015,43(2)
通过Android系统手机从图像中获取信息已经成为现代人获取信息的一种方式.Hausdorff距离算法作为一种高效的数字图像识别算法,目前已被广泛地应用于Windows系统中.Android系统与Windows系统具有非常大的差异性,因此从Hausdorff算法的原理人手,经过对算法的改进和编程,并最终通过实验测试后表明采用Hausdorff距离算法的数字图像识别技术完全可以满足在Android系统中的实际要求,并且具有较高的识别准确率. 相似文献