基于手势识别的智能输入

针对在人机交互中键盘远远不能满足人们的要求,提出了一种手势识别算法,并结合键盘的按键实现智能输入．该算法采用肤色分割提取出手部区域,根据手形检测出大拇指和伸出的手指数目及位置,把手势转化为计算机所能接受的二进制语言．根据二进制数,结合键盘的按键,把不同手势定义为不同的按键,实现对计算机的智能输入．实验结果表明该算法具有一定的鲁棒性,并能达到较高的成功率．     

面向SMT智能制造技术专利分析

SMT是新一代电子组装技术,是现代电子产品制造中的关键工艺技术之一.随着中国制造2025的制定,智能制造作为主攻方向,是新一轮工业革命的核心技术,已上升为国家战略.SMT与智能制造理念的融合,建立高效、敏捷、柔性及资源共享的SMT智能制造模式是电子产品制造业未来的发展方向,是提升SMT产品制造能力与水平的重要途径.本文以SooPAT专利数据库为数据来源,从年度专利申请趋势、专利类型分布情况、专利权人、IPC技术领域、专利区域分布等方面对我国SMT智能制造相关技术的专利情况进行深入分析.     

基于手势识别远程同步控制的智能机械臂研究

设计一种基于手势识别远程同步控制的智能机械臂系统,系统由手势识别器和智能机械臂组成;手势识别器穿戴在手中,能够感知和识别手势指令,并通过无线传输方式把手势指令传输给智能机械臂;智能机械臂收到手势指令后其自主决策系统迅速规划最优控制,实现同步控制机械臂伸展和机械手的抓取等动作;实验结果表明,手势识别器的手势指令简单易于操作,手势指令识别准确高效,智能机械臂动作规划协调,系统大大降低了机械臂的操控难度,完全满足作业任务实时控制的需要,具有较好的实用性和广泛的应用前景.     

基于姿态解析算法的智能轮椅设计

随着我国人口老龄化的日益加剧,为帮助高龄老年人和身体残疾人士正常出行,文章设计基于姿态解析算法、增量型PI算法的多功能智能轮椅。仿真轮椅以STM32F103ZET6为核心处理器,通过手势的姿态解析算法,运用老年人的手势配合手势识别技术原理,结合多个模块及多传感器融合实现手势控制轮椅的移动和转向,自动避障、GPS定位信息的实时传输、一键呼救、意外情况录像功能,增量型PI算法的输出是上一次输出的增加值,能使轮椅平稳行驶。结果表明,姿态解析算法提高了轮椅对手势的识别率,增量型PI算法提高了轮椅行驶的平稳度,模块化的设计思想满足轮椅的安全、智能化要求,能帮助行动不便的残疾人士和高龄老年人正常出行。     

基于近红外TOF传感器的姿势识别研究

现有的姿势识别系统普遍存在算法复杂度较高,不便嵌入式移植等问题.提出一种基于深度图像的姿势识别方法.SR4000获取深度图像进行前期预处理得到人体目标并骨骼化,计算各端点坐标和离地高度及离质心的骨架线距离,根据骨架线距离识别各端点属性,结合特定动作的特征可识别出大量姿势.用该算法成功识别交通警察的8个指挥动作作为例子,验证算法的有效性.实验表明:该算法复杂度低,识别率高.     

中国射频识别技术专利计量分析

RFID技术位于物联网技术架构体系的感知层,是物联网技术的关键技术。通过对RFID技术专利申请量趋势、技术产出区域分布、专利申请类型及法律状态、专利历史法律事件和在华申请人排名的计量分析,揭示我国RFID技术的发展状况与趋势,了解RFID技术发展前景,发现当前存在的问题。     

基于视觉手势识别技术的智能窗帘研究

在Visual Studio 2010开发环境中以C++为编程语言,使用计算机视觉计算中的开源OpenCV库处理图像,判定手势运动方向,构造基于视觉手势识别技术的智能窗帘系统。通过调用Windows API函数实现PC与LPC2131之间的串口通信,从而通过控制步进电机的转动方向来实现窗帘的打开和关闭操作。系统具有人机交互界面良好、操作简单、窗帘的长度可自行设定等优点。     

中国智能电视产业发展研究

结合全球智能电视的发展现状,总结了我国智能电视产业的机遇与挑战,分析了智能电视的产业价值,最后就如何促进智能电视产业的发展,从政策层面、产业层面、用户层面给出了一些建议。     

智能电视其实和电视无关

最近一家PC厂高调发布智能电视产品,毫无意外,有人立刻说这事儿不靠谱。不过我对智能电视的趋势还是看好的。有人说现在大家都不看电视了,所以在电视上动脑筋没意义,必失败。但我要从另一个角度来讨论这个问题——智能电视其实可以和传统意义上的电视没多少关系。     

面向智能电视的隐式手势交互建模与算法

针对基于视觉的智能电视手势交互中用户认知负荷和操作负荷较重的问题,提出融合显式交互和隐式交互的手势交互算法.通过对基于视觉的智能电视手势交互场景分析,首先建立了基于用户行为和智能电视状态的多层次上下文模型,实现上下文的数据融合与特征提取;其次设计并实现了CDL-DFCM推理模型和显隐信息融合的隐式交互模型,识别交互情景事件并感知用户意图;最后实现用户与智能电视的隐式交互.实验结果表明,与现有算法相比,该算法在操作准确率、时间开销和手势移动距离等方面得到了明显改善,并有效地提升了用户体验.     

Android智能手机自适应手势识别方法

随着触摸屏技术的快速发展,智能手机的手势操作成为主要的人机交互方式.通过分析android平台的手势识别原理,指出其采样引起的特征丢失导致识别准确率不高以及识别速度偏慢等问题,提出基于向量的手势识别方法.谊方法规定八个方向,对触屏输入的手势进行取样并构造得到的方向序列,应用动态时间规整算法进行识别.该方法能够根据手势的方向特征达到对手势的快速筛选,与原有的基于坐标点距离的识别算法相结合,形成更加快速精确的自适应识别方法.实验证明,本文提出的自适应方法将手势识别速度提高近一倍,并进一步提高了识别的精确度,在智能移动设备上具有广泛的应用前景.     

Gesture Recognition Summarization

Gesture recognition is an important research in the field of human-computer interaction. Hand Gestures are strong variable and flexible, so the gesture recognition has always been an important challenge for the researchers. In this paper, we first outlined the development of gestures recognition, and different classification of gestures based on different purposes. Then we respectively introduced common methods used in the process of gesture segmentation, feature extraction and recognition. Finally, the gesture recognition was summarized and the studying prospects were given.     

Gesture Recognition: The Gesture Segmentation Problem

The gesture segmentation problem is introduced as the first step towards visual gesture recognition i.e. with the detection, analysis and recognition of gestures from sequences of real images. Our gesture segmentation scheme is composed of two steps: accurate gesture contour tracking in space domain, and continuous tracking in time domain. Experimental results and implementations issues are presented.     

基于深度信息的人体姿态识别研究综述

随着RGB-D传感器的出现,深度图像信息可以弥补基于彩色图像的人体姿态识别在复杂环境和光照变化下鲁棒性较差的问题,因此利用深度信息识别人体姿态变得更加便捷。为了解人体姿态识别的发展现状,在广泛调研现有文献和最新成果的基础上,从深度图像预处理、特征提取、姿态识别算法三方面对基于深度信息的人体姿态识别进行阐述,介绍人体姿态识别相关的技术发展及应用领域,并对其中存在的难点与问题进行讨论,为以后的相关研究提供思路。     

基于结构分析的手势识别

该文从分割和表示（建模）两方面着手，提出了一种新颖的手势分割和整体及局部手势特征提取算法．用模糊集合来描述视频流中空域和时域上的背景、颜色、运动等信息，通过对它们执行模糊运算，分割出人手；使用结构分析的方法来表示手势，根据人手不同部分在几何尺寸上的变化，从低到高逐次分析图像金字塔中各种分辨率的图像，以获取手势的整体和局部结构特征；将人手划分成手掌和手指几个部分，使用手掌和各手指的中心点的坐标和从手掌中心到所有手指的中心的方向（作为手势方向）来表示一个2D手势．实验结果证明，该文算法具有很好的鲁棒性，对手势分割中间结果的精确性要求不高，因此能适应环境的变化．     

基于视觉的手势识别技术

近年来计算机已经成为人们日常生活的一部分,人们与计算机的交互也日益成为科研领域的热点。基于视觉的手势识别是实现新一代人机交互所不可缺少的一项关键技术,而手势识别的研究也可促进手语识别的发展,从而消除健全人与聋哑人之间的交流障碍,使他们能获得健全人的正常生活,帮忙他们参加社会的各项活动。文中介绍了手势识别方法的发展、手势识别的技术难点,具体阐述了基于视觉的手势识别系统原理和组成,手势的建模以及在手势识别中常用的技术方法。     

基于加速度传感器的可扩展手势识别

为了提高基于加速度传感器的动态手势识别算法的性能,并且增强系统的可扩展性,提出了一种有效结合机器学习模型与模板匹配的方法.将手势分为基本手势和复杂手势两大类,其中复杂手势可分割为基本手势组成的序列;根据手势运动的特点提取有效的特征量,并利用基本手势样本训练随机森林模型,然后用其对基本手势序列进行分类预测;将预测结果进行约翰逊编码,再与标准模板序列进行相似度匹配.实验结果表明,该方法获得了99.75%的基本手势识别率以及100%的复杂手势识别率.算法既保证了手势识别的精度,也提高了系统的可扩展性.     

基于视觉的动态手势识别研究综述

手势自古以来在人类交流方面扮演着非常重要的角色,而基于视觉的动态手势识别技术是利用计算机视觉、物联网感知等新兴技术和3D视觉传感器等新型设备让机器能够理解人类的手势,从而让人类能和机器更好地交流,因此对于人机交互等领域的研究很有意义。介绍了动态手势识别中所用到的传感器技术,并比较了相关传感器的技术参数。通过追踪近年来国内外关于视觉的动态手势识别技术,陈述了动态手势识别的处理流程：手势检测与分割、手势追踪、手势分类。通过对比各流程所涉及的方法,可以发现深度学习具有较强的容错性、高度并行性、抗干扰性等一系列优点,在手势识别领域取得了远高于传统学习算法的成就。最后分析了动态手势识别目前遇到的挑战和未来可能的发展方向。     

图像识别的静态手势识别与动态跟踪系统设计

本文研究了图像手势识别和增强现实技术,设计了可以进行静态手势识别和动态跟踪的系统,通过提前录入不同手势,利用皮肤颜色对图像进行OSTU自适应阈值划分,建立二值化图像,与已知的手势进行匹配,以得到手势结果.实验结果表明,准确率达到96.8％,识别速度达到0.55 s.动态跟踪利用检测每帧图像中手部的位置进行定位和捕捉,图...     

多点触控手势识别算法的研究

本文针对当下流行的多点触控设备,对多点触控手势识别算法进行了研究,通过类比计算机中的快捷键设计出了一系列的触控手势,并结合曲线识别算法提出了一种多点触控手势识别算法。实验在当下流行的Android设备上进行,手势检测成功表明了识别算法的有效性。