基于HMM方法的动态手势轨迹训练性能研究

基于HMM(Hidden Markov Model,隐形马尔可夫模型)对动态手势轨迹的训练是手势识别的关键技术之一。本文对HMM的模型训练采用Baum.Welch算法,并分别从迭代次数,样本个数选取,以及模型初值选取等方面对动态手势轨迹的训练性能进行了研究。实验结果表明HMM方法对具有时空特性的动态手势轨迹识别是非常有效的。     

实时人脸跟踪算法

人脸跟踪有着广阔的应用前景.文中提出改进的CMSHIFT算法,实现动态人脸的跟踪,该方法给出人脸在运动中的长度、宽度以及旋转角度.实验表明,该算法快速准确可靠,而且能够克服跟踪过程中被遮挡的问题.     

基于自适应背景更新车辆检测算法

在交通监控系统中,实现车辆的准确检法.实验结果证明,文中提出的算法能够在复杂背景下有效地实现车辆检测.     

改进的基于区域的运动目标分割方法

针对视频监控系统，提出了一种改进的基于区域的运动目标分割方法。与传统方法相比，在运动检测阶段，结合时域差分和背景差分进行运动检测。并通过自适应方法进行背景更新；在差分图像二值化时，采用自适应阈值方法来代替传统的手工确定阈值法；对于区域分割，使用基于加权平方欧式距离的均值聚类算法代特传统的均值聚类算法。实验结果表明该改进方法比传统方法具有更好的实时性、鲁棒性和有效性。     

基于SOFM神经网络的动态手势分割技术的研究

应用基于SOFM(自组织特征映射 )神经网络的算法完成对手势的分割 .动态序列各幅图像的色彩分布相近 ,先对首帧图像通过SOFM色彩分割算法进行训练学习 ,并依据本文提出的一种改进算法使网络学习过程中输出神经元的个数随背景复杂情况改变 ,然后结合运动信息或光流变化确定运动的手的颜色分类 ,从而完成手势的分割 .此外 ,将本文的SOFM算法应用在其他场景图像的分割中 ,也取得了满意的效果     

基于SOFM神经网络的动态手势分割技术的研究

应用基于SOFM(自组织特征映射)神经网络的算法完成对手势的分割，动态序列各幅图像的色彩分布相近，先对首帧图像通过SOFM色彩分割算法进行训练学习，并依据本文提出的一种改进算法使网络学习过程中输出神经元的个数随背景复杂情况改变，然后结合运动信息或光流变化确定运动的手的颜色分类，从而完成手势的分割。此外，将本文的SOFM算法应用在其他场景图像的分割中，也取得了满意的效果。