全面应用鼠标手势StrikeltPersonal

鼠标手势（MouseGesture）是一项通过识别手写输入来操控计算机的技术,较常见用于网页浏览器上。不过本期介绍的这款“Strokelt”软件却可以在整个系统的软件中全面支持鼠标手势,使用户在执行打开新文件、储存文件、复制及粘贴文件等操作时,都可以抛弃键盘,也不用再研究这些指令都“藏”在那个菜单内。此外“Strokelt”还具备学习功能,用户可以自己创建鼠标手势,把新建立的手势应用在不同类型的操作上。     

基于手势识别算法的鼠标终端

提出了一种基于静态手势与动态手势的识别算法,并结合Windows API的鼠标类函数实现鼠标操作.首先,通过图像处理技术把从摄像头捕捉的原图像转换为可信度较高的二值图像;其次,调用静态手势识别算法识别展开的手指个数,根据手指个数,结合Windows API的鼠标类函数实现鼠标双击及移动功能;最后,当检测到手指个数为5时,调用动态手势识别算法来识别手势的上下左右四个方向,并结合Windows API的鼠标类函数模拟鼠标左右键按下、抬起及滚轮滑动等操作.实验表明,该手势识别算法的识别率达到了94.11%,对于一些开发平台没有鼠标或在使用鼠标不方便的情况下,用手势来替代鼠标输入具有一定的研究价值和意义.     

基于Kinect的体感虚拟鼠标研究与开发

利用微软Kinect体感设备进行骨骼数据采集,开发出一款利用手势动作控制计算机的体感虚拟鼠标软件。并在开发过程中设计并提出一种基于RGB-D信息的人体手势动作检测及识别方法来处理Kinect输出的彩色影像和深度影像。该方法分别利用DBSCAN与K-means聚类算法获取手势操作特征中的位置信息和方向信息来识别手势操作,实验结果证明了该方法的可行性。借助基于该方法开发的虚拟鼠标软件,用户只需要做出一些简单的手臂动作即可操作虚拟鼠标完成对计算机的控制。     

基于机器视觉的动态多点手势识别方法

提出了一种高效的基于HSV颜色空间的多目标检测跟踪方法,实现通过摄像机实时检测跟踪多个指尖目标;定义了一套基于指尖运动轨迹的动态手势模型,并提出了动态手势识别方法;对于两点动态手势,通过BP神经网络进行手势学习和手势识别,而对于模拟鼠标手势和四点动态手势,利用指尖之间相互位置关系进行手势识别.测试结果表明,该方法能够快速、准确的跟踪多个运动的指尖目标并进行动态多点手势识别.     

一种基于Leap Motion的非参数RDP检测算法

随着计算机软硬件技术的进步和应用的普及,人机交互技术在博物馆领域中扮演着越来越重要的角色,并且受到了学术界和产业界的高度重视。尤其是Leap Motion体感控制器的出现,使人机交互的应用范围更加广泛与成熟,操作者可以通过非接触式的方式对设备进行操作,而无需使用触控屏、鼠标、键盘等外部设备,令人机交互方式更加友好、便捷。为了提高手势识别的准确性与实用性,提出一种基于Leap Motion的非参数RDP检测算法应用在手势识别中,并与Ramer-Douglas-Peucker(RDP)算法进行比较。实验证明使用非参数RDP检测算法可以有效地识别手势并且具有很好的自适应性。     

虚拟现实手部康复训练系统的设计与实现

将虚拟现实技术应用到康复医学领域,可有效克服传统康复训练方法的局限性,实现安全、舒适和主动的康复训 练。本文设计并实现了一套虚拟现实手部康复训练系统,系统由交互设备、人机交互软件和虚拟环境三部分组成。交互 设备采用 5DT 公司生产的 5DT Data Glove 14 Ultra 数据手套,而人机交互软件运用 Visual Studio 2012 作为开发工具,基于 MFC 编写,实现了用户管理、数据采集、手势信号分类、实时手势识别测试等功能。构建的虚拟场景使用 Flash 游戏, 通过 MFC 和 Flash 游戏之间通讯使用者能使用手势信号实现游戏操控。本文的实验结果表明：虚拟现实手部康复训练系 统能够指导使用者进行有效的手部康复训练,Flash 康复训练游戏能有效提高使用者进行康复训练的积极性和主动性。     

鼠标一动管控窗口提效

重复率特别高的窗口操作其实还可以再行简化、再提效!我们可以利用搜狗拼音输入法附带的鼠标手势操控桌面、浏览器功能,实现就地动一动鼠标便能操控软件的目的,从而大大节约移动鼠标、寻找目标和执行点击动作所需要的时间。     

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.     

基于Kinect的体感交互开发中间件设计及实现

从丰富体感游戏内容的角度出发,设计并实现体感交互开发中间件软件。该软件以Kinect v2为硬件基础,将原本基于键盘鼠标等操作的传统交互方式游戏实现体感化操作。该软件包含映射集构建和模拟测试两部分,利用映射集构建部分完成传统交互事件与用户动作之间的映射关联,利用模拟测试部分进行实时体感化操作游戏。采用3种描述方式对动作进行描述和定义,采用膜版匹配的方法实现动作识别。给出将一款传统交互的游戏实现体感化操作的实例,并投入实际应用来验证该解决方案的可行性。实验结果证明,该解决方案可以有效地将传统交互方式的游戏实现体感化操作。     

基于加锁机制的静态手势识别方法

基于RGB-D（RGB-Depth）的静态手势识别的速度高于其动态手势识别,但是存在冗余手势和重复手势而导致识别准确性不高的问题。针对该问题,提出了一种基于加锁机制的静态手势识别方法来识别运动中的手势。首先,将通过Kinect设备获取RGB数据流和Depth数据流融合成人体骨骼数据流;然后,在静态手势方法中引入加锁机制,并与之前建立好的骨骼点特征模型手势库进行比对计算;最后,设计一款“程序员进阶之路”益智类网页游戏进行应用与实验。实验验证在6种不同运动手势情况下,该方法与纯静态手势识别方法相比,平均识别准确率提高了14.4%;与动态手势识别相比,识别速度提高了14%。实验结果表明,提出的基于加锁机制的静态手势识别方法,既保留了静态识别的速率,实现了实时识别;又能很好地剔除冗余手势和重复手势,提高了识别正确性。     

Kinect平台上使用机器学习的非接触式GUI操控方式

触摸屏的出现使人们逐渐摒弃鼠标和键盘,而触摸操作的不便和局限性也随之显现,非接触式操作凭借其独特的优势正逐渐成为未来人机交互方式的新潮流。针对现有的非接触式操作方式存在的手势定义不合理,方法复杂难解,识别精度低等许多问题,提出了使用“抓”和“放”这两个手势的非接触式操控方式RemoteControl,用户可在三维空间中做出操控动作来完成大部分基础图形用户界面（graphical user interface,GUI）操作。RemoteControl使用支持向量机（support vector machine,SVM）和随机森林来从手部图像中识别出手的形状。实验结果表明RemoteControl的操控动作识别取得了较高的精确度。     

基于单目视觉的虚拟鼠标方法

自然的交互方式有利于提高增强现实系统的真实感和沉浸感,是增强现实技术的重要研究内容。针对这一问题,提出一种基于单目视觉的虚拟鼠标实现方法,只需要使用单个摄像头,即可对裸手手势进行识别进而模拟真实鼠标动作,最后基于该方法开发了基于单目视觉的虚拟鼠标系统。首先,根据色度信息,分割手部肤色区域;然后,基于指尖的形态学特征识别指尖点,并过滤以排除误检点;最后根据指尖点及其坐标控制光标模拟鼠标动作。实验结果表明,该系统设备简单、精度较高,完全可以实现各种鼠标动作的模拟。     

基于OpenCV与MediaPipe的面部动作控制鼠标操作技术

为丰富人机交互模式,基于OpenCV和Mediapipe在面部识别中的应用,在个人电脑上实现通过面部动作进行常用的鼠标控制。具体的方法是通过捕捉摄像头传入视频帧中用户脸部的关键点,并根据关键点的位置变化来执行对应鼠标操作。实际测试结果表明：该程序仅通过简单的面部动作就可以较好地实现诸如移动光标、单击鼠标左右键以及拖动滚动条等常用鼠标操作,且识别准确率高,是一种针对特殊用户和特定环境条件下替代鼠标操作的低成本实用技术。     

基于Kinect手势识别的应用与研究

为解决当前智能家居系统操作繁琐的问题,同时为获得更简单的控制方式,并增加用户的体验感受,研究了基于Kinect骨骼信息的手势识别技术,并将其融入至智能家居的人机交互系统中。在该系统中,用户可以自定义手势动作或语音实现家居设备的智能控制。使用了一种基于加权动态时间规整的模板匹配手势识别算法。通过Kinect的深度摄像头获取手势深度图像和骨骼图像数据,并采用加权动态时间规整算法进行识别。实验表明使用该算法实现手势识别是可行且有效的,且其最佳识别位置是在Kinect的正前方2～2.5m处,识别准确率达到96%左右。     

鼠标手势也疯狂

在大家的脑海里,鼠标只能够使用单击、双击等操作来执行命令。其实用鼠标“画”出某种特定的轨迹也能执行相应的命令,即所谓的鼠标手势,这在很多浏览器中已经实现。如今在桌面操作中,也可以使用鼠标手势来完成相应的操作了,并且可以识别50多个手势。通过这些手势,就能执行用户预先设定的命令,从而实现打开程序、文件、网页等操作了。这款软件就是StrokeIt。     

基于MEMS传感器的三维空间运动轨迹提取方法

基于MEMS传感器的手势识别的一般方法是通过对每个手势进行运动学分析找出每个手势的加速度特征,以此作为识别手势的特征值。这表明该方法需要人工设计特征值,不利于用户的自定义操作。针对这种情况,提出一种空间定位方法。首先获取传感器数据并发送到PC端,并在PC端进行积分处理,转化成空间数据,从而记录手势的运动轨迹。最后结果表明,该方法可以成功记录手部的运动轨迹,不用对每个手势单独进行运动学分析,使得用户在后续的研究中可以实现自定义手势。     

一种实时手势识别应用开发框架

提出并设计了一种简化的、基于自然手势的实时识别的软件开发框架,通过手势样本采集和消息映射机制,开发人员可以自定义手势含义,将手势含义封装成消息发送给具体应用.降低了开发实时手势识别软件的成本,屏蔽了手势识别技术本身的复杂性.     

基于无线传感器网络的动态手势识别算法及动态演示

与语言文字一样,手势是人类沟通交流的重要方式。在计算机技术高速发展的现在,手势识别技术的出现,能大大提高用户与机器设备、计算机部件之间的交流效率。现在采用摄像头跟踪进行手势识别的技术已经使用一段时间,但是其对硬件的要求高、分析的数据大,使得其产品相对昂贵或者识别能力不够强。与摄像头跟踪技术相比,基于无线传感器网络的手势识别速度更快,价格更便宜并且实用。通过对移动终端设计一套手势识别的算法,利用无线传感器网络实现用手机终端操作计算机的终端的一系列复杂命令。实验证明,该算法适用于大型游戏操作和平台展示,使用户不用通过购买相关硬件直接安装使用。     

另类功能 鼠标手势新式玩法

在大家的脑海里，鼠标只能够使用单击、双击等操作来执行命令。其实用鼠标“画”出某种特定的轨迹也能执行相应的命令．即所谓的鼠标手势，这在很多浏览器软件中已经实现：如今在桌面操作中，也可以使用鼠标手势来完成相应的操作了。并且可以识别50多个手势，通过这些手势，就能执行用户预先设定的命令，从而实现打开程序、文件、网页等操作了。这款软件就是Strokelt。[编者按]     

基于摄像头的近距手势识别系统的设计

随着电子技术的不断发展,人机交互方式也在得到转变,手势识别作为其中一项典型应用正吸引越来越多人的关注,本文即在嵌入式平台上通过相关算法实现了基本的手势动作识别。文中利用摄像头进行手势图像数据采集,采用STM32作为微处理器,对图像进行差影分割、噪声去除等处理,完成了近距离范围内对运动手势的实时定位和基本识别,并在此基础上对游戏俄罗斯方块进行了控制,实现了手势识别技术在人机交互中的应用,很好得体现出手势操作的便利性和全新用户体验。