基于方向直方图和神经网络的手势识别

本文提出一种用于手势识别的新方法,它将图像的方向直方图矢量(OHV)与神经网络相结合.其特点在于选用图像的方向直方图矢量作为手势的特征矢量,该特征矢量对于光线和手的平移变化具有较强的鲁棒性,这正是手势识别所要解决的关键问题.在训练阶段,首先需要建立手势样本的特征矢量库;在识别阶段,本文选用三层BP网络作为分类器,获得了90%以上的识别率.本文还对手势进行一定角度的旋转后的识别进行了讨论,识别结果达到预期要求.     

基于方向直方图矢量的手势识别

本文介绍了一种用于手势识别的新方法——图像的局部方向直方图矢量（OHV），利用图像的OHV作为手势的特征向量来进行手势的分类和识别。该方法时于光线和手势平移变化不敏感，具有较强的鲁棒性。在进行特征矢量匹配时，本文使用欧氏距离作为矢量闻匹配程度的度量算法。实验结果表明谊方法具有很高的识别率，并且简单，快速，可以用于实时的手势识别系统中。     

基于方向直方图的家居环境手势遥控方法研究

针对传统遥控器按键繁多、操作复杂、未考虑特殊人群使用不便等种种不足,研究了一种基于直方图的家居环境手势遥控方法,利用摄像头采集图像,能够与现有的红外遥控设备整合,通过反馈信号完成增/减、开/关等常用操作,且对受控对象的类型没有具体要求,具有普遍适用性.首先阐述了该方法的应用背景和整体设计方案,然后从硬件设计与软件设计两方面阐述该遥控方法的工作原理,最后对其性能进行了测试与分析.该遥控方法不仅为用户提供了一种无障碍化的普适的红外遥控方式,而且为智能家电的控制方式提供了一种新的选择.     

一种基于连续波雷达的手势识别方法

为了解决依靠光学传感器进行手势识别对外部环境依赖较大的问题,提出了一种基于连续波(Continuous Wave,CW)雷达的手势识别方法,并建立了4种手势动作的回波数据库.首先,对CW雷达回波进行短时傅里叶变换(Short-Time Fourier Transform,STFT)获取手势动作的时频谱;然后,通过设立阈...     

一种基于神经网络的手势识别装置

基于BP神经网络算法设计一种能够实现对猜拳游戏和划拳游戏成功判决的手势识别装置。该装置具有训练和判决两种工作模式,对任意人员进行猜拳游戏和划拳游戏的手势训练,经过有限次训练后,生成深度BP神经网络,进而在判决模式下实现对手势识别的正确判定。该装置由控制模块、电容传感器模块、按键输入模块、显示模块以及探头部分组成。经测试证明,该装置具有成本低、响应时间短、正确率高的优点,扩展了手势识别的应用范围,具有良好的应用发展前景。     

基于电容的手势识别系统

传统手势识别装置一般依赖于复杂计算设备,在简单场合配置手势识别装置成本过高。针对这一问题,提出了基于电容数字转换器的手势识别系统。具体实施过程中,电容数字转换器采集静态手势特征,滑动窗口滤波加工特征数值,再结合K邻近分类算法判别静态手势。该系统具有对硬件要求低、功耗小、对环境光强不敏感等优点。经过50次试验,系统对于常用的数字零到五手势识别正确率为98%,判别时间小于0.6 s。     

基于FPGA的课堂交互手势识别系统

手势是一种自然而直观的人际交流模式,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关键技术。文中主要围绕手势识别展开,结合了手势识别和幻灯片系统的控制,定义了4种动态手势。通过抓捕手势移动质心,恰好避开了手势复杂多变这一缺点。以FPGA作为主要的运行平台,结合Matlab的仿真,最终实现方便快捷的课堂交互的手势识别系统。     

一种基于深度图像的手势识别算法

利用Kinect捕捉深度图像,使用有效的手势分割手段将手势区域截取并运用相关算法对手势进行轮廓、凸包及其最小外接圆提取;然后构建了4种手势特性参数并给出了4种参数的计算方法;最后综合手势特性参数构建分类决策树以实现手势识别.实验针对9种常见手势在复杂背景条件下进行测试,单个手势识别率在89％-100％之间,综合识别率达到96％.     

结合手势二进制编码和类-Hausdorff距离的手势识别

针对目前动态手势识别方法受手势旋转、平移、缩放的影响,并解决手势识别的实时性问题,提出一种基于手势二进制编码和类-Hausdorff距离模板匹配的手势识别方法.首先,把分割好的手势图像进行标准化处理,求出标准化图像中的手势主方向,建立二维手势直角坐标系,提取空间手势特征;其次,根据前五帧手势图像中手势像素点个数的变化量识别出动态手势类型;然后,用手势二进制描述子从动态手势类型中再筛选出可能的候选手势集合;最后,用类-Hausdorff距离模板匹配方法从候选手势集合中识别出最终手势.主要创新点在于：提出的动态手势类型识别和手势二进制描述子匹配的方法,大大缩短了动态手势识别的时间;提出的结合手势主方向的类-Hausdorff距离方法,不仅对旋转、平移和缩放手势具有不变性,而且对区分度较小的手势也具有较高的识别准确率.实验结果表明,在光照相对稳定的条件下,该方法能够实时准确的实现动态手势识别,总体识别率达到95%以上,对发生缩放的手势识别率能达到92%以上,对发生旋转的手势识别率能达到87%以上.本文算法已经在一个基于手势的人机交互界面中得到应用.     

基于多项式拟合的电容式传感器手势识别系统

手势识别在人机交互方面具有重要的应用价值,但是传统设计方案中对用户的手势信息采集繁琐且设备昂贵。因此,设计了一款基于多项式拟合的电容式传感器手势识别系统,系统采用FDC2214传感器读取数据代入到拟合好的多项式函数中?进而判别不同的手势,并利用无线通信模块将判别结果发送给PC监测终端,介绍了该系统的软硬件及算法设计,并给出 了实验测试结果。结果表明:结合该算法的手势识别系统手势学习总时间为1.09ｓ,每个手势识别时间为0.62ｓ,准确率为97.41%,具有灵敏度高、准确性好,抗干扰性强的优点。     

基于ＯpenＣＶ技术的复合手势特征识别算法

手势特征识别作为图像特征识别的一个重要研究方向,在很多了领域都有着非常广阔的应用前景,尤其是随着全息投影技术的发展,虚拟与现实的应用逐渐走入了人们的视野并得到了初步应用.利用OpenCV技术,针对手势特征识别提出了全新的复合识别算法.经过验证,该算法具有很高的识别率并且拥有良好旋转不变性,在今后军事指挥决策系统中具有良好的应用前景.     

基于嵌入式零树小波编码直方图图像检索

图像和视频应用的快速增长，使得根据图像和视频内容进行查询的技术变得越来越重要，人们提出了许多基于像素域或压缩域的图像检索技术，因为多媒体数据库通常具有相当大的数据量，所以基于像素域图像检索技术的计算复杂度相当大，因此，许多文献提出更快的基于压缩域的图像检索技术，本文提出一种改进的基于嵌入式零树小波编码直方图的图像检索技术，特征提取综合考虑图像的颜色，纹理，频率和空间信息，所有的特征可以在压缩过程中自动得到，图像检索的过程就是匹配待检索图像和来自数据库的侯选图像的索引，实验证明这种方法具有好的检索性能。     

基于改进YOLOv4-tiny算法的手势识别

随着人机交互的发展,手势识别越来越重要。同时,移动端应用发展迅速,将人机交互技术在移动端实现是一个发展趋势。该文提出一种改进YOLOv4-tiny的手势识别算法。首先,在YOLOv4-tiny网络基础上,添加空间金字塔池化(SPP)模块,融合了图像的局部和全局特征,增强网络的准确定位能力。其次,在YOLOv4-tiny原网络的3个最大池化层和新增SPP模块后各添加一个1×1的卷积模块,减少了网络的参数,提高网络的预测速度。在此基础上,利用K-means++算法生成适合检测手势的先验框,加快网络检测手势。在手势数据集NUS-II上,与YOLOv3-tiny算法和YOLOv4-tiny算法进行对比,改进算法平均精度均值(mAP)为100%,每秒传输帧数(fps)为377,可以快速准确地检测识别手势。将该文改进算法部署在安卓(Android)移动端,实现了移动端实时的手势检测与识别,对人机交互的发展有很大的研究意义。     

基于Kinect的车载手势识别辅助系统设计

车联网作为战略性新兴产业中智能化汽车和物联网两大领域的重要交集,受到广泛关注.通过车联网、地理位置服务(Location Based Service)、手势感应三种技术的分析,将其整合成综合系统,实现手势操作在车载系统中的多媒体功能和地理位置服务.采用Kinect作为手势感应设备,建立WPF工程,设计界面并进行具体功能编程.通过百度LBS开发者平台提供的相关API进行数据调用,实现LBS服务.测试结果表明,系统具有功能多样、灵活方便的特点,具有良好的应用前景.     

手势识别技术研究

手势识别是从语义上解释人类手势含义的技术。这项技术发展至今,经历了从传统模式识别技术到深度学习方法的转变。本文对其技术的发展过程进行了梳理并展现出来。通过对技术的分析总结,探索今后的发展方向。     

基于DenseNet和卷积注意力模块的高精度手势识别

非接触的手势识别是一种新型人机交互方式,在增强现实(AR)/虚拟现实(VR)、智能家居、智能医疗等方面有着广阔的应用前景,近年来成为一个研究热点。由于需要利用毫米波雷达进行更精确的微动手势识别,该文提出一种新型的基于MIMO毫米波雷达的微动手势识别方法。采用4片AWR1243雷达板级联而成的毫米波级联(MMWCAS)雷达采集手势回波,对手势回波进行时频分析,基于距离-多普勒(RD)图和3D点云检测出人手目标。通过数据预处理,提取手势目标的距离-时间谱图(RTM)、多普勒-时间谱图(DTM)、方位角-时间谱图(ATM)和俯仰角-时间谱图(ETM),更加全面地表征手势的运动特征,并形成混合特征谱图(FTM),对12种微动手势进行识别。设计了基于DenseNet和卷积注意力模块的手势识别网络,将混合特征谱图作为网络的输入,创新性地融合了卷积注意力模块(CBAM),实验表明,识别准确率达到99.03%,且该网络将注意力放在手势动作的前半段,实现了高精度的手势识别。     

基于串联式一维神经网络的毫米波雷达动态手势识别方法

现有的基于雷达传感器的手势识别方法,大多先利用雷达回波对手势的距离、多普勒和角度等信息进行参数估计,得到各种数据谱图,然后再利用卷积神经网络对这些谱图进行分类,实现过程较为复杂.该文提出一种基于串联式1维神经网络(1D-ScNN)的毫米波雷达动态手势识别方法.首先基于毫米波雷达获取动态手势的原始回波,然后利用1维卷积和...     

基于空间方向小波等级树的图像编码

本文提出了等级树集合分区算法(SPIHT)的一种改进方案,对图像的小波变换域的三个空间方向(水平、垂直和对角)上的系数构成等级树型结构,并对各空间方向等级树单独进行编码,使得在不影响恢复图像质量的情况下,进一步提高压缩比.仿真实验表明了本算法的有效性.