基于CM-DTW算法的智能手机动态手势身份认证

针对DTW算法在手势身份认证中存在的问题，提出了一种基于约束多维DTW算法（Constraints Multi-dimension Dynamic Time Wrapping，CM-DTW）的智能手机动态手势身份认证方法.该方法利用手机内置传感器获取代表用户生物行为特征的手势数据，通过Sakoe-Chiba窗约束下的DTW算法选择合法用户的候选模板集，采用线性升降采样归一化候选模板得到一个标准模板.该方法与DTW算法相比，不仅提高了身份认证的时间效率，并且保证了用户身份认证的准确率.     

结合形状特征及其上下文的多维DTW

传统动态时间规整算法（Dynamic Time Warping,DTW）及其变种算法被广泛应用于多维时间序列的相似性分析,但它们通常只关注单个时间点的信息而忽略了上下文信息,从而很可能匹配两个形状完全不同的点。因此提出一种结合形状特征及其上下文的多维DTW算法（Multi-Dimensional Contextual Dynamic Time Warping,MDC-DTW）。该算法首先计算多维时间序列的一阶梯度,然后对其进行采样处理,并以多维梯度矩阵表示当前时间点的形状信息及其上下文信息,最后利用DTW求解多维时间序列间的最短匹配路径。为检测算法设计的合理性,对算法进行了定性分析和定量分析,实验结果表明MDC-DTW算法设计是合理的;为检测MDC-DTW的性能,选用5个多维时间序列数据集,并与4个优异的多维DTW算法进行对比实验,实验结果表明MDC-DTW具有较高的准确率和运行效率。     

联合频谱分析和DTW的双层分类语音识别

阐述了基于动态时间规整DTW（Dynamic Time Warping）语音识别算法的基本原理及存在的不足,提出联合频谱分析和DTW的双层分类语音识别算法,首先用频谱分析方法对待识别语音按字数进行初步分类,然后再用传统的DTW进行模式匹配得到识别结果。通过实验验证提出的算法是有效的,比传统的DTW算法平均速度提高了1.1倍。     

基于改进DTW算法的手语识别研究

本文结合第二代Kinect for Windows传感器,提出了一种基于改进的Dynamic Time Warping(DTW)手语识别算法。首先,通过Kinect for Windows SDK获取人体手部信息,并将手语的运动特征记录下来。然后,利用改进后的DTW算法进行模板训练和手语识别。经实验证明,该算法利用了改进的全局路径约束和端点限制方法避免了大量的训练过程,识别精度高,速度快,克服了光照强度对手语识别的影响。     

基于动态时间规整的手势加速度信号识别

为了提高基于加速度传感器的动态手势识别算法的性能,本文采用了动态时间规整(DTW)识别算法。通过该算法计算测试模板和参考模板的相似度,从而得出识别结果。为了验证该方法,建立了一套手势加速度无线采集系统,并采集了41个志愿者的手势信息。实验结果表明,该方法手势平均识别率在97%以上。与HMM识别算法相比,DTW识别算法在识别的准确率上比HMM识别算法更具优势。     

基于CMPCA的化工生产过程性能监测与故障诊断

根据化工生产过程的间歇反应特点,提出了一种基于一致多方向主元分析(CMPCA)的过程性能监测与故障诊断方法.首先基于动态时间规整DTW(Dynamic Time Warping)技术对批次数据进行同步化,􀁯从而使得用于建模和诊断的数据均具一致性,保证了过程性能监测与故障诊断的.     

基于MDS的统计形状聚类

针对物体轮廓曲线,采用新的模与相位保持的傅里叶描述方法,将连续的轮廓曲线降维归一化为RM空间中的点,引入DTW(Dynamic Time Warping)相似度,使用多维尺度分析(MDS),对多类物体基于形状进行聚类。实验结果表明,在合适的相似度下,该方法能够对不同的形状序列进行聚类。     

在孤立词语音识别中动态时间规正的改进算法

动态时间规正（Dynamic Time Warping）是语音识别中的一种经典算法,算法简单有效,因此在实现孤立词识别系统中获得了广泛的应用。提出一种DTW的改进算法,采用两次在时间域上的规正,使计算程序简洁规范,计算量减少。经实验验证,改进DTW算法在不降低识别率的前提下,提高了识别速度,提高了系统的实用性。     

基于RFID反向散射通信的机器人手势控制系统

针对当前手势控制技术中手势数据的不稳定性,研究了一种基于RFID反向散射通信的机器人手势控制系统.首先,通过对数据进行加窗处理来解决标签反射信号在时域上的不连续性,并利用相对熵的思想提取相位流中动态手势的指纹特征分段;其次,利用动态时间规整（Dynamic Time Warping,DTW）算法计算当前分段与先验手势指纹库中各一维分量的匹配程度,并在此基础上结合k邻近算法实现手势分类;最后通过蓝牙设备与机器人进行串口通信,实现人机交互应用.实验结果显示该系统可以对机器人进行前进、后退、向左、向右、顺时针旋转、停止的实时控制,机器人对手势指令的正确反馈率高于84%,证明系统在真实环境下具有良好的可行性和鲁棒性.     

基于MDS的统计形状聚类

针对物体轮廓曲线，采用新的模与相位保持的傅里叶描述方法，将连续的轮廓曲线降维归一化为R^M空间中的点，引入DTW（Dynamic Time Warping）相似度，使用多维尺度分析（MDS），对多类物体基于形状进行聚类。实验结果表明，在合适的相似度下，该方法能够对不同的形状序列进行聚类。     

手势在思维导图编辑器中的应用

近年来,思维导图在众多领域得到了广泛应用。作为思维过程可视化形式的思维导图,通常采用传统的纸笔方式。传统纸笔虽然易用,却难以修改;现有的计算工具,虽然易于修改,却难以使用。基于以用户为中心的思想,引入了笔交互风格,设计并实现了一个简单的思维导图编辑器。充分结合了纸笔的易用性及计算机的易存储、易修改性。     

高阶NMI值的字母手势识别

提出了基于手势伸展方向以及手势图像高阶NMI值的特征向量进行识别分类的算法。首先,对采集到的手势图像进行预处理与二值化,然后按手势的伸展方向进行粗分类,之后,对每幅图像提取图像的1阶和4阶NMI值,这样将一幅图像表示成一个有17维分量的特征向量。识别时用k近邻原则进行判别,识别率达到86．6％。     

Accelerometer-based gesture control for a design environment

Accelerometer-based gesture control is studied as a supplementary or an alternative interaction modality. Gesture commands freely trainable by the user can be used for controlling external devices with handheld wireless sensor unit. Two user studies are presented. The first study concerns finding gestures for controlling a design environment (Smart Design Studio), TV, VCR, and lighting. The results indicate that different people usually prefer different gestures for the same task, and hence it should be possible to personalise them. The second user study concerns evaluating the usefulness of the gesture modality compared to other interaction modalities for controlling a design environment. The other modalities were speech, RFID-based physical tangible objects, laser-tracked pen, and PDA stylus. The results suggest that gestures are a natural modality for certain tasks, and can augment other modalities. Gesture commands were found to be natural, especially for commands with spatial association in design environment control.     

基于Petri网和BPNN的多重触控手势识别

为解决多重触控技术的手势识别问题,提出一个多重触控手势描述与识别框架,给出其描述和识别方法。多重触控手势可分为原子手势和组合手势,在手势描述过程中,利用BP网络对原子手势进行建模,然后在将用户的意图映射为原子手势逻辑、时序和空间关系关联而成的组合手势,并在Petri网引入逻辑、时序和空间关系描述符对组合手势进行描述。在手势识别过程中,根据BP网络分类器检测出原子手势,并触发组合手势Petri网模型的转移,实现组合手势的识别。实验结果表明该方法对不同用户操作习惯有鲁棒性,能有效解决多重触控手势识别问题。     

基于区域生长的Meanshift动态变形手势跟踪算法

针对传统Mean shift算法在手势跟踪中由于搜索窗口内手势背景像素改变所导致的跟踪精度不高,以及算法本身由于手势模型更新所引起的时间消耗较多等问题,提出一种基于区域生长与Mean shift算法相结合的动态变形手势跟踪算法。该算法在跟踪初始阶段通过帧间差分法对手势中心完成自动初始化,利用区域生长算法采集手势样本点,并通过Mean shift算法对目标中心进行精确定位。实验结果表明,该方法能够对动态变形手势实现精确实时的跟踪,可较好地降低算法的时间复杂度,保证运动目标跟踪的稳定性和连续性。     

傅立叶描述子在手势识别中的应用

本文分析了具有旋转、平移和尺度变换不变性,并且与边界的起点位置无关的傅立叶描述子,并把傅立叶描述子及欧氏距离应用于字母手势的识别中。实验结果表明,利用傅立叶描述子能够有效地识别出有旋转、平移及尺度变换后的同一类字母手势,取得了良好的识别效果。     

GIA: design of a gesture-based interaction photo album

This paper describes a gesture-based interaction photo album (GIA) device which stores and manages digital images. It provides a natural interface—as if you are turning the pages of a photo album using gestural input on a touch screen. We feel that emotional satisfaction is more important than efficiency in this kind of task and requires a more natural user interface that is easily learned by novices. GIA demonstrates an innovative convergence between the digital and the analogue in this respect.     

基于多光源红外传感技术的手势识别系统

手势识别是一种有效的人机交互手段,针对识别算法复杂或适用范围窄等问题,设计一种基于多光源红外传感技术的手势识别系统。首先获取手势动作数据,然后结合不同手势的运动特征,采用区间概率算法识别手势类型,最终完成动作指令输出。通过实验对常见6种手势进行识别,平均识别率达93.67%。该系统操作简单、成本低,可用于多种智能交互场合。     

Model-based segmentation and recognition of dynamic gestures in continuous video streams

Segmentation and recognition of continuous gestures are challenging due to spatio-temporal variations and endpoint localization issues. A novel multi-scale Gesture Model is presented here as a set of 3D spatio-temporal surfaces of a time-varying contour. Three approaches, which differ mainly in endpoint localization, are proposed: the first uses a motion detection strategy and multi-scale search to find the endpoints; the second uses Dynamic Time Warping to roughly locate the endpoints before a fine search is carried out; the last approach is based on Dynamic Programming. Experimental results on two arm and single hand gestures show that all three methods achieve high recognition rates, ranging from 88% to 96% for the two arm test, with the last method performing best.     

基于iOS平台的自定义手势识别研究

基于iOS应用开发过程中经常需要用到用户自定义手势识别功能．但是iOSAPI仅仅提供了简单的手势功能,不能满足开发者要求。基于向量统计和正则表达式的自定义手势识别算法实现了复杂的用户自定义手势识别功能,并在iOS平台实现了该算法。