基于DTW的手势识别算法

针对大多数手势识别算法对于形状变化较大的手势鲁棒性不强的现状,提出了一种基于DTW(Dynamic Time Warping)的手势识别算法。论文采用ASL手势数据集作为实验数据,通过图像预处理得到手势的轮廓,再对手势轮廓中心点到轮廓点的距离和轮廓曲率等特征进行提取,最后利用DTW算法寻找规整路径的方法进行识别。实验结果表明,利用DTW算法进行手势识别具有较高的准确率和鲁棒性,识别一幅图像中的手势平均时间小于0.1s,适合于实时手势识别。     

基于用户笔迹的移动身份识别技术

针对传统身份识别技术存在的密码记忆难、隐私易泄露、信息易伪造等问题,提出并实现了基于安卓平台的混合特征在线手写笔迹识别算法. 本算法通过迁移传统笔迹采集平台、采用文本相关与文本无关相结合的方式分别对静态纹理特征和动态矢量特征进行提取,弥补了当前笔迹采集困难、信息易伪造、准确性差等缺陷,实现了用户在移动设备上更加快捷安全的进行身份识别和鉴定. 通过实验得出：该笔迹识别算法具有良好的稳定性、高可重复性、优良的准确性和安全防伪能力,能够有效阻止陌生用户的攻击,具有较高的安全保障性能.     

一种新的基于并行分段裁剪的DTW算法

通过对DTW算法的研究,提出了一种并行分段裁剪的新方法,在减少DTW算法运算量方面有显著效果,并将其用于一个地名识别系统中,经测试,可以明显缩短识别时间,具有很强的实时性,有较高的识别率,适合作为小型语音识别产品的主要算法。     

一种基于DTW的孤立词语音识别算法

针对动态时间规整(DTW)对孤立词端点检测准确性过度依赖的问题,针对上述问题,采用放宽端点和限定动态规整计算范围结合的算法,不仅更准确的放松前后端点降低端点检测的敏感度,而且结合对动态规整计算范围的限定,减少计算量,提高执行效率。分别测试了基于传统DTW算法的识别率和改进后DTW算法的识别率。实验结果表明,改进后的算法,能有效提高孤立词识别率。     

一种基于DTW/ISODATA算法的多层分类器手语识别方法

为提高大词汇量手语识别速度,论文提出了一种将动态时间规整(DTW)和隐马尔可夫模型(HMM)相结合的多层次的大词汇量手语识别方法。该方法思想是先进行全局粗略搜索,将要识别的手势词归入某一组范围较小的词表中,然后通过更加精确的HMM局部搜索将词识别出来。各个词汇表用DTW/ISODATA算法来产生。对4942个孤立手语词作了实验,结果表明,相对于仅用HMM单层识别而言,识别速度从原来每个词的2.364秒提高到0.137秒,提高了94.2%,识别准确率也提高了4.66%。     

DTW算法的研究和改进

对语音识别中的DTW算法进行了研究,提出了一种改进算法,并用实验数据进行了验证。此算法在识别度下降可接受的范围内,有效地减少了识别的时间。     

Relief算法在笔迹识别中的应用

Relief及其扩展算法是基于最大化假设间隔的特征选择算法,能够快速进行高维度的特征选择。该文围绕汉字笔迹识别,探讨了多类别、样本数量偏差情况对算法过程的影响。文中提出了一种有效应对数量偏差的算法过程,并成功运用于约简高维的笔迹特征。实验表明,改进后的算法不仅节约了处理时间,也进一步改进了特征选择的有效性。     

基于DTW的孤立词语音识别研究和算法改进

DTW算法在实现小词汇表孤立词识别系统时既简单又有效，在特定的场合下获得了广泛的应用。但DTW算法实际应用时有许多缺点，本文对语音识别数学模型DTW作了深入的研究，提出了改进算法。     

基于DTW算法的眼动信号分类研究

EOG信号(眼动信号)是一种易于识别、易于操作和更稳定的生物电信号,可以应用于残疾辅助系统。为了提高EOG信号的分类和识别率,将DTW算法应用于EOG的分类,DTW一种基于模型匹配的分类算法。在实验条件下,收集并分类了5个人的EOG。EOG的类型包括向左运动、向右运动、一次眨眼和两次眨眼。实验结果表明,基于DTW算法的EOG检测方法优于其他传统方法,四种信号的平均识别率均在99%以上。     

基于TLD和DTW的动态手势跟踪识别

针对动态手势跟踪稳定性的不足和识别效率的问题, 提出一种基于TLD和DTW的动态手势跟踪识别框架. 首先利用基于Haar特征的静态手势分类器获得手势区域, 然后使用TLD跟踪算法对获得的手势区域进行跟踪以获取手势轨迹, 最后提取轨迹特征, 使用改进的DTW算法进行识别. 实验表明, 该框架能够长时间稳定地跟踪手势区域, 并能够在保证识别率的基础上显著提高识别效率.     

基于PCNN改进算法的手写体识别研究

脉冲神经网络(PCNN)被广泛应用于图像处理、模式识别等领域。提出了一种基于PCNN的凹点检测改进算法。首先改进神经元激励函数,并利用小波收缩法去噪,保持图像的层次性,然后通过凹点检测识别手写体。实验结果表明,提出的方法能有效提高手写字母的识别率,尤其是在噪声环境下,识别率得到大幅提升。     

基于DTW约束的动作行为识别

针对固定视角下的人体动作行为准确识别的研究,通过姿态关节点标定,结合不同关节点对动作内和动作间起到不等的权重区分度的问题,提出一种加权量化矩阵的姿态特征表示方法,将关节点相对坐标经过权重修正作为姿态特征,减少因关节点标定误差或图像帧的缺失导致的识别精度下降和误判率增加等问题,同时,对DTW算法加入动态时间规整加以约束来降低算法的复杂度,最后在家庭智能空间内获取动作姿态图像序列,通过实验验证关节点标定及行为识别算法的有效性.     

基于时间序列优化和DTW的在线手写签名鉴别

针对传统DTW算法的不足,本文通过优化时间序列,提出了基于时间序列优化的在线手写签名鉴别算法。该算法弥补了传统DTW算法忽略签名时间序列长度的不足,并提高了签名认证准确率。实验结果说明算法是可行的。     

带有关节权重的DTW 动作识别算法研究

大多数动作仅包含部分关节的运动,现有方法未对运动剧烈的关节与几乎不参与运 动的关节进行区分,一定程度上降低了动作识别精度。针对这个问题,提出一种自适应关节权重 计算方法。结合动态时间规整(DTW)方法,利用获得的关节权重进行动作识别。首先对分类动作 序列进行分段,每段动作序列中运动较剧烈的关节选择分配更高权重,其余关节平均分配权重; 然后提取特征向量,计算两段动作序列的DTW 距离;最后采用K 近邻方法进行动作识别。实验 结果表明,该算法的总体分类识别准确率较高,且对于较相似的动作也能获得较好的识别结果。     

联机手写英文识别的解码算法

提出了一些新的方法来解决联机英文手写识别问题。基于手写英文的主笔画属性,提出了快速有效的解码算法——主笔画层次建立Beam Viterbi算法。由于整个识别过程是一个多阶段决策的过程,将多阶段的分类信息融合到决策过程中,较大幅度提高了系统的性能。在Unipen训练集和实验室数据集上测试取得了良好的效果。     

一种手写维吾尔文字母识别算法

针对手机手写维吾尔文字母输入需求,结合手机软硬件资源局限性,提出将维吾尔文字符分成主体笔画与附属笔画两部分。采用笔画数、主体笔画结构特征、附件结构特征等21个特征为特征集,建立维吾尔文字符识别数据样本库。按笔画数粗分类,分别抽取主笔画的特征与附件的特征并用二值化数据表示,与样本库中特征数据进行异或运算,取运算后1的个数最少的样本为识别样本并给出候选样本,平均一次正确识别率达到97%。     

一种新的基于LBG和DTW的模板训练算法

提出了一种新的基于LBG和DTW结合的模板训练算法,包括模板训练、初始模板设置、空子集处理三个部分,能够完整、有效地解决语音识别中模板训练的问题。该算法实现了语音信号特征矩阵的聚类及其质心的生成,使孤立词语音识别系统更好地适用于非特定人的情况,提高了系统对训练集外说话人语音的正确识别率。设计、实现了一个识别系统,模板训练中较快的收敛速度和系统较高的识别率验证了算法的优良性能。