共查询到20条相似文献，搜索用时 265 毫秒
1.
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
2.
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
3.
提出一种基于HOG特征结合稀疏外观模型(HOG-SPAM)的目标跟踪算法。提取目标模版和候选目标的HOG特征,HOG特征对图像的几何形变、光照以及阴影变化具有较强的鲁棒性;使用提取的HOG特征构建目标的稀疏外观模型,稀疏外观模型对目标外观变化具有鲁棒性,采用对齐汇聚方法度量候选目标与目标之间的相似性。在多个基准图像序列中,与已有流行方法相比,HOG-SPAM算法在目标外观变化和光照变化情况下有较好的鲁棒性,同时在复杂背景情况下也具有一定鲁棒性。 相似文献
4.
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
5.
《实验室研究与探索》2015,(1)
针对复杂环境中机动车跟踪问题,为克服光照变化、噪声干扰、其他随机运动物体干扰,提出一种机动车识别和跟踪实时性算法。首先对图像进行光照补偿减少光照影响,用Surendra算法和三帧差法检测运动目标,并建立ROI(感兴趣区域)以缩小Haar识别范围提高系统响应速度;其次由训练好的级联分类器在ROI范围内识别机动车,从而保证高检测率和低误检率;最后利用Camshift算法跟踪机动车。为验证算法有效性搭建嵌入式系统平台,实验结果表明在背景复杂且其他运动物体干扰下,该算法较使用传统目标跟踪算法具有更好的鲁棒性和实时性。 相似文献
6.
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
7.
8.
手势识别技术可有效提高移动终端操作效率。通过移动终端加速度传感器捕获手势执行过程中的三维加速度信号,经过预处理、特征提取之后,采用机器学习方法SVM,建立相应的SVM分类模型,并利用该识别模型实现手势动作。实验结果表明,该方法具有较高的识别率并在移动终端上得到应用。 相似文献
9.
10.
在对Kinect采集到的图像进行预处理后,为了实现行人运动目标检测,需要对行人目标进行特征识别,然后将识别分割的区域作为行人目标的备选区域。通过改进的自适应高斯混合模型的背景建模对预处理后的深度图像进行行人目标分割,分离出有用信息,然后利用Freeman链码方法提取连通域轮廓,作为行人目标的人体头部区域,便于后续对行人目标的跟踪与统计研究。试验表明,最终得到的结果达到了预期目标,算法准确性与鲁棒性很好。 相似文献
11.
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,并用改进的Hu矩作为特征向量进行测试样本与模板之间的相似性度量,以降低噪声的干扰.实验结果表明,我们的方法显著地提高了识别准确率. 相似文献
12.
《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
13.
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
14.
为实现行人运动目标检测,需要对目标运动场景进行采集,包括彩色信息和深度信息。然而在图像形成和传输过程中,会受到环境、光照等多种因素影响,采集到的信息与实际场景相比存在降质或退化问题。因此,在进行行人运动目标识别分割之前,需要对原始图像进行预处理。介绍了采集原始图像的硬件设备Kinect2.0传感器;根据深度成像原理,分析了深度图像的预处理算法。 相似文献
15.
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
16.
学习分析技术已经广泛运用于课堂教学各个层面,手势计算紧密联系实践教学环节。运用学习分析技术,准确把握学习者的学习状态,搭建了基于Kinect的3D手势计算环境,对人手的复杂运动形态进行捕捉、分割、追踪与识别,并与实际进行对比验证。阐述了3D手势计算的内涵与特征,论证了其应用于教育的理论与实践基础,为进一步改进课堂教学策略,推动理论知识与教学实践相融合提出了建议。 相似文献
17.
为解决荔枝收获机器人对采摘目标的识别与定位的关键问题,荔枝串、荔枝果与结果母枝各部位的识别成为采摘机器人视觉系统的研究重点。首先,对采集荔枝图像的感兴趣区域进行荔枝串、荔枝果与结果母枝的图像分类并给出了荔枝各部位分类识别的图像分割策略;然后,采用探索性实验分析的方法获取了识别各类光照条件与各类颜色的荔枝串的固定阈值为0.502 0,0.530 0,0.510 8及0.533 2、0.501 0、0.520 8,并利用所获取固定阈值进行荔枝串的识别;最后,以不同光照条件的荔枝图像90幅进行荔枝各部位分类识别的实验验证,荔枝串与荔枝果的平均识别率为91.67%,结果母枝的平均识别率为86.67%。实验结果表明:基于探索性分析方法识别荔枝各部位图像分割策略与识别各类荔枝串的固定阈值的设定是有效、可行的。 相似文献
18.
动态手势识别技术综述 总被引：1，自引：0，他引：1
分析比较了现有动态手势识别技术的思路和特点,介绍了基于视觉的动态手势识别基本步骤,分析了该技术路线中存在的若干难点。在此基础上介绍了深度学习方法的基本思路和优点,展望了动态手势识别技术今后的研究方向。 相似文献
19.
为了获取更加全面的整体与局部人脸特征，得到更高的人脸识别率，提出一种基于方向梯度直方图（HOG）特征与卷积神经网络的人脸识别新方法。该方法首先提取人脸图像的HOG特征，然后将HOG特征图像作为卷积网络的输入数据进行训练，改进网络结构，在全连接层之后采用Softmax loss和center loss两个损失函数进行监督，最后在训练得到的网络模型上对人脸图像进行识别操作。实验结果表明，该方法在ORL人脸集上的识别率达到97.5%，相比于其它人脸识别算法具有一定优越性。 相似文献
20.
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