1、手机端页面文档仅支持阅读 15 页,超过 15 页的文档需使用电脑才能全文阅读。
2、下载的内容跟在线预览是一致的,下载后除PDF外均可任意编辑、修改。
3、所有文档均不包含其他附件,文中所提的附件、附录,在线看不到的下载也不会有。
关键词计算机视觉深度图像手指弧度表观特征手势识别导言近年来自然人机交互技术越来越多地受到人们的重视,取得了快速的发展进步。
相比于传统的人机交互输入工具,如键盘鼠标游戏杆等,人的姿态手势语音等是更加自然直观的交流方式。
所以,近年来人脸识别表情识别手势识别以及体势识别等由于符合人际交流习惯,均成为的重要课题并取得重大进展。
其中手势无论是日常生活中还是虚拟现实中,都是种常用的自然而直观的交流方式,符合人类交流般行为习惯,是很受亲睐的交互方式之。
手势识别是自然人机交互技术的个重要课题,但由于手势本身的多样性多义性以及视觉本身的不确定性,使得基于视觉的手势识别成为个极富挑战的和多学科交叉的研究课题。
般基于视觉的手势识别别的意义目前,手势识别技术的应用在当前是比较热门的研究课题,已经有了相当丰富的手势识别理论研究,并有不少的应用实践。
由于人们的研究目的需求不同,在具体的处理方面就产生了不同的处理技术。
将计算机手势识别数空间里的个点,而动态手势对应着模型参数空间里的条轨迹,需要使用随时间变化的空间特征来表述。
手势和姿势的主要区别在于姿势更为强调手和身体的形态和状态而手势更为强调手的运动。
手势识上不同文化背景的影响对手势的定义是不同的。
这里把手势定义为手势是人手或者手和臂结合所产生的各种姿势和动作,它包括静态手势指姿态,单个手形和动态手势指动作,由系列姿态组成。
静态手势对应模型参数据手套作为手语输入设备,可识别台湾手语课本中的个基本词条,识别率为。
沈阳理工大学学士学位论文手势识别研究综述手势的定义由于手势本身具有多样性和多义性,具有在时间空间上的差异性加势的时空表现模型,并提出基于颜色运行以及形状等多模式信息的分层融合策略抽取时空表观模型的参数。
最后,提出动态时空规整算法用于手势识别,对种手势,平均识别率高达。
台湾大学的等人利用单个术进行识别,对种手势的识别率超过在进步研究中,他们又给出了有关连续动态手势的识别,融合手势运动信息和皮肤颜色信息,进行复杂背景下的手势分割,通过结合手势的时序信息运动表现及形状表现,提出动态手运动的变阶参数模型和鲁棒回归分析,提出种基于运动分割的图像运动估计方法,基于图像运动参数,构造了两种表现变化模型分别作为手势的表现特征,利用最大最小优化算法来创建手势参考模板,并利用基于模板的分类技精度基本相同,但其识别速度比单个的识别速度有明显的提高。
年在国际上他们首次实现了词以上的连续中国手语识别系统。
另外,清华大学祝远新徐光裕等给出了种基于视觉的动态孤立手势识别技术,借助于图像。
他们为了进步提高识别沈阳理工大学学士学位论文速度,识别模块中选取了多层识别器,可识别中国手语字典中的个词条,识别率为。
与基于单个的识别系统比较,这种模型的识别精度与单个模型的识别元混合密度来模型化手语信号,可识别中国手语字典中个词条,识别率为。
与基于的识别系统比较,这种模型的识别精度与模型的识别精度相当,其训练和识别速度比的训练与识别速度有明显的改善等又选取型号数据手套作为手语输入设备,并采用了为系统的识别技术,即利用个随时间变化的具有个分量的混合,以增加识别方法的分类特性和减少模型的估计参数的个数,将混合方法应用于有个传感器的型号数据手套的中国手语识别系统中,孤立词识别率为,简单语句级识别率为。
接下来高文个孤立词构成的词汇集,正确率为。
面对如此多的新型用户接口,有分析家指出简便性和直观性是其是否成功的关键标准在我国,哈尔滨工业大学的吴江琴高文等给出了与的混合方法作为手语的训练识别方法识别,识别率为。
利用数据手套等典型传感设备的方法中,的和在年完成了个操纵机器人的手势控制系统用作为手语输入设备,识别由中提取特征,采用技术识别个孤立词,正确率为此外,与将两种方法结合用于美国手语识别,交互采用个位置跟踪器及三个互相垂直的摄像机作为手语输入设备,完成了个孤立词的和将戴上尖具有高亮标记的视觉手套的手势作为系统的输入,可识别种手势等在对美国手语中带有词性的个词汇随机组成的短句子识别率达到和从视频录像设备,司机只需要在指定区域做出个手势,即可调整车内的温度或音响的音量,而不需要转移对路面的注意力。
在基于视觉手势识别方面,具有代表性的研究成果包括年富士通实验室完成了对个手语符号的识别工作设备,司机只需要在指定区域做出个手势,即可调整车内的温度或音响的音量,而不需要转移对路面的注意力。
在基于视觉手势识别方面,具有代表性的研究成果包括年富士通实验室完成了对个手语符号的识别工作和将戴上尖具有高亮标记的视觉手套的手势作为系统的输入,可识别种手势等在对美国手语中带有词性的个词汇随机组成的短句子识别率达到和从视频录像中提取特征,采用技术识别个孤立词,正确率为此外,与将两种方法结合用于美国手语识别,交互采用个位置跟踪器及三个互相垂直的摄像机作为手语输入设备,完成了个孤立词的识别,识别率为。
利用数据手套等典型传感设备的方法中,的和在年完成了个操纵机器人的手势控制系统用作为手语输入设备,识别由个孤立词构成的词汇集,正确率为。
面对如此多的新型用户接口,有分析家指出简便性和直观性是其是否成功的关键标准在我国,哈尔滨工业大学的吴江琴高文等给出了与的混合方法作为手语的训练识别方法,以增加识别方法的分类特性和减少模型的估计参数的个数,将混合方法应用于有个传感器的型号数据手套的中国手语识别系统中,孤立词识别率为,简单语句级识别率为。
接下来高文等又选取型号数据手套作为手语输入设备,并采用了为系统的识别技术,即利用个随时间变化的具有个分量的混合元混合密度来模型化手语信号,可识别中国手语字典中个词条,识别率为。
与基于的识别系统比较,这种模型的识别精度与模型的识别精度相当,其训练和识别速度比的训练与识别速度有明显的改善。
他们为了进步提高识别沈阳理工大学学士学位论文速度,识别模块中选取了多层识别器,可识别中国手语字典中的个词条,识别率为。
与基于单个的识别系统比较,这种模型的识别精度与单个模型的识别精度基本相同,但其识别速度比单个的识别速度有明显的提高。
年在国际上他们首次实现了词以上的连续中国手语识别系统。
另外,清华大学祝远新徐光裕等给出了种基于视觉的动态孤立手势识别技术,借助于图像运动的变阶参数模型和鲁棒回归分析,提出种基于运动分割的图像运动估计方法,基于图像运动参数,构造了两种表现变化模型分别作为手势的表现特征,利用最大最小优化算法来创建手势参考模板,并利用基于模板的分类技术进行识别,对种手势的识别率超过在进步研究中,他们又给出了有关连续动态手势的识别,融合手势运动信息和皮肤颜色信息,进行复杂背景下的手势分割,通过结合手势的时序信息运动表现及形状表现,提出动态手势的时空表现模型,并提出基于颜色运行以及形状等多模式信息的分层融合策略抽取时空表观模型的参数。
最后,提出动态时空规整算法用于手势识别,对种手势,平均识别率高达。
台湾大学的等人利用单个数据手套作为手语输入设备,可识别台湾手语课本中的个基本词条,识别率为。
沈阳理工大学学士学位论文手势识别研究综述手势的定义由于手势本身具有多样性和多义性,具有在时间空间上的差异性加上不同文化背景的影响对手势的定义是不同的。
这里把手势定义为手势是人手或者手和臂结合所产生的各种姿势和动作,它包括静态手势指姿态,单个手形和动态手势指动作,由系列姿态组成。
静态手势对应模型参数空间里的个点,而动态手势对应着模型参数空间里的条轨迹,需要使用随时间变化的空间特征来表述。
手势和姿势的主要区别在于姿势更为强调手和身体的形态和状态而手势更为强调手的运动。
手势识别的意义目前,手势识别技术的应用在当前是比较热门的研究课题,已经有了相当丰富的手势识别理论研究,并有不少的应用实践。
由于人们的研究目的需求不同,在具体的处理方面就产生了不同的处理技术。
将计算机手势识别技术应用于图书馆虚拟现实导航系统之中,使用户能够身临其境的以自然的方式,在虚拟的场景中获得真实的感受成为种可能。
用手势进行人机交互十分自然高效。
以人手直接作为输入手段与其它输入方法相比较,具有自然性简洁性和丰富性直接性的特点。
因此,用计算机来识别手势提供了个更自然的人机接口。
使用计算机手势识别技术去识别用户输入的手势动作,并根据其识别的结果去驱动图书馆虚拟现实导航系统,用户将摆脱诸多外部硬件设备的限制,解放身体,自由的在空间中以简单的手势动作驱动应用。
因此,研究手势识别技术的实现,并使用计算机手势去操作图书馆虚拟现实导航系统具有现实意义。
手势识别的主要内容针对手势输入技术和方法的研究,采用基于计算机视觉的手势输入方法,识别自然手势,使人机交互更加灵活方便。
逐分析手势识别各环节的技术,对手势图像进行处理分割特征提取匹配,选取合适技术,设计图书馆虚拟现实导航系统方案。
沈阳理工大学学士学位论文结合以上各项研究成果,应用开发工具,构建图书馆虚拟现实导航系统。
实验以上研究的各项关键技术,并进行评测和验证。
手势识别的方法在基于形状特征的识别算法中,我们在边界图像的基础上根据手势区域的形状特征对手势图像进行粗分类,按照手势图像中手指的方向及数目把手势图像分成向上向右向下等类别,然后分别在边界图像和二值图像的中提取手势图像面积周长重心距等特征,构成维特征向量,最后采用类似度进行模板匹配,实现对字母手势的细分类在基于傅立叶描述子的识别算法中。
首先采用八邻域搜索法对二值化的手势图像进行边缘检测,得到连通的手势外轮廓,然征分析的手势识别及其应用屈燕琴,李昕,卢夏衍上海大学机电工程与自动化学院摘要针对复杂背景下的手势识别容易受到环境干扰造成的识别困难问题,通过分析手势的表观特征,提出并实现了
