轻量级视觉手势识别系统

本文提出一种轻量级视觉手势识别系统,在现有手部关键点提取方案基础上,设计一个多层神经网络将21个手部关键点坐标转化为静态手势类别.多层神经网络在多个图像数据集所提取的手部关键点数据上均有良好表现,还能够一定程度上抑制将非目标手势分类识别为目标手势,减少实际应用中手势动态变化过程引起的错误识别.利用开源神经网络推理框架,...     

手势识别研究发展现状综述

随着人机交互及计算机视觉的发展,手势识别的研究也取得了较大发展。文中就手势识别研究发展现状展开综述。首先概括了手势识别的发展过程以及国内外研究现状。随后根据手势识别的一般流程介绍了几种常用的技术方法。对其进行了展望并做出了总结。     

基于触摸显示屏的人机交互手势分析

针对触摸显示屏的操作特点提出了一种基于元动作的触摸手势分类和表示方法,根据人机交互要求定义了一套笔画触摸手势,提出了基于RBF神经网络的笔画触摸手势训练和识别方法。测试结果表明,所提出的方法能够快速、准确地对触摸手势进行训练和识别,可以为带触摸屏的设备提供一个更加自然、直观的人机交互手段。     

一种用于PCA与MCA的神经网络学习算法

主元分析（ＰＣＡ）和次元分析（ＭＣＡ）是用于特征提取、数据压缩、频率估计、曲线拟合等信号处理的基本技术，以神经网络来实现ＰＣＡ和ＭＣＡ是当今研究的一大热点，相关矩阵Ｒ的特征值重数不为１时的主、次元分析则是其中一大难题，本文提出了一种新的学习算法，使得在输入数据的相关矩阵含多重特征值时，网络权重矢量亦收敛于相关矩阵的单位正交特征矢量。     

一种用于PCA与MCA的神经网络学习算法

主元分析（ＰＣＡ）和次元分析（ＭＣＡ）是用于特征提取、数据压缩、频率估计、曲线拟合等信号处理的基本技术．以神经网络来实现ＰＣＡ和ＭＣＡ是当今研究的一大热点，相关矩阵Ｒ的特征值重数不为１时的主、次元分析则是其中一大难题．本文提出了一种新的学习算法，使得在输入数据的相关矩阵含多重特征值时，网络权重矢量亦收敛于相关矩阵的单位正交特征矢量     

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.     

基于卷积神经网络的手势识别

手势识别是人机交互,智能语义识别和远程人机 交流领域的热门研究课题。目前基于 视觉的手势识别问题仍是研究的难点,在多变背景下的手势姿态识别仍然存在较大问题。近 年来,随着深度神经网络技术的快速发展,利用网络自主学习的方法来提取手势姿态有关特 征得到了广泛关注。由于卷积神经网络具有较强的学习能力和个体特征的表达能力,本文针 对传统手势识别算法精度低,鲁棒性差的问题,提出了基于卷积神经网络的TensorFlow框架 下加入扁平卷积模块的FD-CNN网络手势识别算法。在预处理数据集后,基于FD-CNN网络的 手 势识别方法可以直接将预处理后的图像输入网络进行训练,最终输出测试结果的识别精度为 99.0％。与传统方法和经典卷积神经网络方法相比,本文方法提高了 网 络系统对样本数据的多样性和复杂性的有效识别,具有较高的识别率和较好的鲁棒性效果。     

基于GA-BP神经网络的手势识别精度优化研究

针对5DT数据手套手势识别过程中存在的精度问题,传统的BP神经网络算法受到其自身因素的影响,导致出现输出手势缺失、变形、精度差的问题。为此,该文提出一种GA-BP权值优化算法,能有效克服BP算法局部寻优的缺点,使输出值不断地接近期望数值,防止陷入局部极小的情况,可以克服输出图像缺失、变形的问题。在GA-BP算法的基础上,对函数输出误差的最大值进行权值优化,解决输出手势精度差的问题。实验结果表明,基于GA-BP神经网络权值优化算法改善了手势识别的精度。     

神经网络实现的任意长度DCT快速算法

介绍一种新的DCT计算方法,它以DHT为基础,利用Hopfield神经网络的并行特征来提高DCT的计算性能。该方法与现有方法比较,复杂度降低,乘法运算量为(2N-1),加法运算量为3N-2,并且适合任意长度的DCT计算,因而在图像处理中具有较好的应用前景。     

一种用于神经网络汉字识别系统的自组织聚类方法

本文提出一种用于大类别模式识别系统的改进的自组织聚类方法，采用这种方法把３７５５种多体印刷汉字聚类为几午个子集。聚类正确率优于９８％。     

基于递归正交最小二乘的径向基函数网络人脸识别

本文提出了一种基于递归正交最小二乘的径向基函数(RBF)网络人脸识别算法,该算法首先使用主成分分析(PCA)提取输入图像特征,将提取的特征作为RBF网络的输入进行识别,在求取网络权值时采用递归正交最小二乘(ROLS)算法。实验表明,该算法能明显地缩短训练时间同时具有较高的识别率。     

基于ICA的人机交互手势的识别

通过对独立分量分析(ICA)理论的研究以及对人机交互手势特征的分析，提出了一种基于ICA的静态手势特征提取与识别的方法。用ICA方法分别提取各类静态手势图像的独立分量特征(ICF)，构成手势图像的独立基函数空间，对手势图像采用独立分量的最小二乘意义下的表示，结合系统的判别阈值实现对手势的分类识别。系统采用4类手势，共计80幅图像，对方法的有效性进行了检测。实验结果表明，这一方法不仅可行，而且能够获得满意的识别结果。     

一种基于高阶矩的神经网络参数估计器

本文提出了一种可控学习的两级多层神经网络模型,由此设计出一种基于高阶矩匹配的神经网络参数估计器;并对该神经网络模型的学习算法进行了研究,提出了一种自适应并行学习算法。仿真结果表明,这种利用神经网络进行模型参数估计的方法是可行的。     

人工神经元网络的智能神经元模型

本文在仔细分析神经网络知识存储方式的基础上,指出了现有存储方式的严重不足;由大量具有简单处理能力的神经元组成的神经网络,虽然具有一定的智能处理能力,但由于每个神经元不具备复杂的处理能力,故必然导致由此构成的网络存在着诸如局部极小,收敛速度缓慢、推广能力差等缺点,尤其是难于用于实时处理系统,大大限制了神经网络的应用范围。为此,本文提出了一种新的智能型神经元模型并将它与常用的神经元模型进行了比较,后续     

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PCA和BP神经网络算法的车牌字符识别

文章采用了双重PCA算法链接BP神经网络的方法对车牌字符进行识别.先由主成分分析法对原始样本数据进行分类,然后由BP神经网络法对拒识样本进行识别.研究结果表明,与传统的单一识别方法相比,提高了识别正确率,减少了训练时间.     

基于神经网络的语音识别与自动检验研究

语音识别系统在语音识别中自我判定识别结果，并从错误中自动获取经验改正错误实现知识的自我完善具有重要意义。采用人工神经网络可以有效学习与更新知识，人工神经网络与语音识别结果自动检验方法结合实现一种新的有效学习与更新系统。在该系统中采用基于LEA判别法的梯度牛顿有效结合神经网络快速学习方法。该系统实现在语音识别实践中能够自学习并提高识别率，具有一定的智能。文中给出系统原理图和实验结果。