基于卷积神经网络优化TLD运动手势跟踪算法

针对TLD（Tracking-Learning-Detection）算法在光照变化不均、遮挡严重、跟踪目标模糊等情况下会出现跟踪失败的问题，提出一种基于卷积神经网络优化TLD运动手势跟踪算法。选取手势特征作正样本，其背景作负样本，获取手势HOG特征并投入到卷积神经网络中加以训练，得到手势检测分类器，从而确定目标手势区域，实现手势的自动识别；再利用TLD算法对手势进行跟踪与学习，对正负样本进行估计检测并实时校正，同时运用SURF特征匹配更新跟踪器。实验结果验证，该算法对比TLD经典算法跟踪精度提高了4.24%，增强了运动手势的跟踪效果，相比经典跟踪算法拥有更高鲁棒性。     

基于深度学习的动态手势识别方法

为了提高动态手势的识别准确率,并避免动态手势的数据预分割和后输出处理过程,设计了一种融合卷积神经网络(CNN)和双向长短时记忆(BiLSTM),引入连接主义时间分类(CTC)作为损失函数的串联型网络模型。使用CTC训练网络来判断输入流中的类标签,以完成动态手势的识别工作。在公开视频手势数据集Jester和通过Kinect自建的包含9个动态手势的数据集上进行了实验验证,结果表明提出的串联型融合网络模型在Jester上能得到较高的识别率,并且引入CTC算法用于手势识别领域是可行的,该方法高效且具有很高的识别率,对9个动态手势最好识别正确率可达98.11%。     

现在&未来智能可穿戴设备

<正>谷歌眼镜、iwatch智能手表、智能头箍、智能鞋……这些产品被冠以"智能可穿戴设备"正走入我们的视野,无疑它们是当下最前卫风潮的产品,而这一概念产品也同时在军事领域得到应用。作为一种新概念产品,"智能可穿戴设备"显然还有诸般技术瓶颈有待突破,让我们关注——智能可穿戴设备的主要特点智能可穿戴设备一般是指穿戴在人身上、具备智能特性的设备的总称,也可认为是集成微型计算机、通信、感知等装置,为用户提供个性化服务,可穿戴于身上的微型电子设备。通过智能可穿戴设备,可以更好地感知外部与自身信息,能够在计算机、     

电冰箱手势控制电路及系统研究

本文研究的是带手势控制的冰箱及控制系统。以单片机为控制中心,通过红外接收发送管采集手势控制信号,MCU经过算法处理后可以实现冰箱的操作解锁、冷藏室温度设置、冷冻室温度设置、模式切换、控制电机自动开启冷藏室门等。本文提供的红外处理方法可以有效避免红外管之间的信号干涉,得到理想手势信号。加入本方案手势控制的冰箱具有很强的实用性,给用户操作带来很大的方便,在智能冰箱人机交互上是一个很大提升,且成本低,系统简洁,是继冰箱触摸按键操作之后的一种具有突破性操作方式,大大提高了用户体验,从而增强了产品的市场竞争力,具有潜在的开发拓展前景。     

浅析对篮球裁判员心理影响的不和谐因素

笔者以问卷调查的方式研究，调查了40名篮球裁判关于造成其心理影响的不和谐因素。结果显示，其不和谐因素主要涉及了队员、教练员、球迷和教练员自身。在分析现状的基础上，提出了相应的对策。     

广州市业余网球裁判发展现状的调查研究袁延福

本文通过文献资料法、访谈法、问卷调查法、数理统计法和逻辑分析法，对广州市业余网球裁判员的发展现状进行研究，分析了业余裁判员参加裁判活动的动机和执裁能力，并为业余裁判员的发展提供一些建议。