多点触摸概述与手势实现

多点触摸随着iphone的推出风靡全球,是当今最炙手可热的人机交互方式。该文对多点触摸的原理和编程模型进行简要的介绍,并给出了一些触摸手势的C#编程实现。     

基于多点触摸的交互手势分析与设计*

提出了基于多点触摸的交互手势分析与设计方法。引入触摸手势元动作,采用接触面类型和状态及运动方式描述触摸手势,给出了简单触摸手势的统一描述框架,并提出了交互手势与交互任务的映射规则,将手势定义和手势意图联系起来。向交互设计者提供一种系统化和标准化的方法,提高了交互手势设计的通用性。     

一种新型红外多点触摸识别算法

近年来,多点触摸技术逐渐成为最为重要的人机交互设备,得到了广泛的应用。本文提出一种新型红外多点触摸识别算法原型,该算法同时在两个不同坐标体系中对用户的触摸进行识别,克服了传统红外触摸屏在识别多点触摸时存在的伪触摸点的问题,实验证明该算法提高了红外触摸屏的多点触摸识别率。     

一种独立于应用程序的多点触摸交互中间件*

在对鼠标事件特性分析和触摸手势描述的基础上,设计实现了一种基于鼠标事件映射的多点触摸交互中间件,包括声明法、映射法两种实现途径。该中间件能够不进行程序改造而在传统基于鼠标交互的应用程序上实现多点触摸,具有平台无关的通用性。最后通过在多款地理信息系统软件中的应用对该中间件进行了验证和评估。     

虚拟训练系统中大屏幕多点触摸研究与实现

研究虚拟训练中的人机交互问题,使虚拟训练系统支持多点触摸操作.针对鼠标键盘交互沉浸感不足,训练效果不佳,而专业VR设备成本太高等问题,提出利用多点触摸设备作为人机交互接口以改善用户体验.研究了几种常见的多点触摸技术,设计并实现了一种采用光学感应原理的大屏幕多点触摸系统;研究了多触点信息的传输机制,改进了虚拟现实开发软件Virtools,使其能够识别多点触摸手势并做出正确响应.应用实践表明,训练系统沉浸感强,能够准确识别并跟踪多个红外触点,响应迅速,很好地满足了虚拟训练的需求.     

一种基于球形显示的多点触摸系统

设计并实现了一个基于球形显示的多点触摸系统,分别从硬件搭建和软件实现两方面讨论了系统的具体实现过程,通过对系统进行的测试和验证,显示了多点触摸系统带来的交互性和便捷性。     

基于触摸显示屏的手势输入字符方法研究

针对触摸显示屏的操作特点,利用简单通用手势——滑动和点击,提出了两种触摸手势输入字符方法。第一种是基于T9键盘的改进输入方法,第二种是基于全键盘的改进输入方法。这两种输入方法节省屏幕使用空间,使用户更易学习的同时降低了误输入机率。     

盲用多点触摸输入法的设计与实现

随着智能手机等电子产品的普及,多点触摸屏应用越来越广泛。但是因触摸屏表面较光滑,使得盲人不能通过触觉获得屏幕的信息,造成其输入文字困难。提出采用多点触摸联机手写识别盲文技术的汉字输入法。该方法不仅解决了盲人能利用多点触摸屏输入文字信息,也能应用于明眼人的触摸屏联机手写盲文识别进行汉字输入,其书写汉字速度远高于现有的触摸屏的手写输入法。     

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。     

一个多点触摸系统软件体系框架

近年来,随着多点触摸技术的发展,出现了大量可以提供多点触摸接口的软件。但是不同的多点触摸系统的软件在很大程度上具有相似性,却没有太大的互操作性。为了提高这些软件的互操作性和兼容性,本文根据这些软件系统的特点提炼出它们之间的共同特征,提出一个分层软件架构。该架构定义不同层次之间的通用接口,并为开发人员屏蔽不同类型的硬件设备平台,提供一个统一的界面。     

基于关键点的一种字母手势识别算法

提出了一种基于手势关键点的手势识别算法。从经过二值化处理的字母手势图像中提取重心,并由字母手势图像的边缘信息中提取字母手势的关键点(指根和指尖)。借助Hausdorff Distance(HD),运用关键点的信息对手势进行识别。     

激光投影键盘的手势识别功能扩展

自从1992年激光投影键盘发明以来,其良好的光景交互体验吸引了众多光景效果爱好者。若能在其键盘功能基础上再完成一些较简单的空间平面手势识别,将会满足更多的个性化交互追求。该文通过基于径向基函数神经网络的人机交互手势识别算法研究了激光投影键盘的手势识别功能扩展方法,并通过实验测试预定义的10种手势动作,实验结果表明识别率达到96.4%,从而一定程度上实现了激光键盘手势识别功能扩展的个性化交互追求。     

基于加速度传感器的大手势集手势识别算法改进研究

搭载着加速度传感器的智能移动终端为手势识别提供广泛的应用平台,在已有的基于单枚加速度传感器的手势识别研究中,识别正确率、速度和手势集合难以达到良好的平衡。本文以一种基于加速度符号序列的识别算法为基础,改进了其特征提取方法,并设计了基于加权树结构模板库的匹配方法,实现了大手势集、高正确率、速度快的手势识别。实验表明,所述系统在21个手势组成的手势集合上,实现了95.2%的用户依赖识别率和94.6%的用户非依赖识别率,识别时间小于10毫秒,对手势识别研究有一定的借鉴价值。     

基于深度神经网络的sEMG手势识别研究

为了提高表面肌电信号（sEMG）手势识别算法的准确性,并解决人为提取大量特征具有局限性的问题,提出了一种基于深度神经网络的手势识别方法。将MYO臂环采集到的8通道sEMG数据,采用活动段分割的方法探测到有效动作;设计出一种融合卷积神经网络（CNN）和长短时记忆（LSTM）网络的神经网络;实验的结果表明手势识别准确率为91.6%,验证了提出的方案高效可行。     

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.     

基于触摸屏的手势遥控系统

传统遥控方式对用户的限制和束缚降低了用户体验质量。为此,提出一种基于触摸屏的手势遥控系统。通过分析触摸手势元动作,对触摸手势进行分类和数学建模,设计该遥控系统的触摸手势识别算法。该算法充分考虑了用户的认知和行为习惯差异,实现智能电视的手势遥控系统,收集真实用户在使用该遥控系统时的操作习惯,进一步提高触摸手势及其对应的遥控操作的识别准确率。实验结果表明,该算法能较好地区分易引起误操作的触摸手势,使得平均识别准确率达到99%。     

基于自适应遗传算法的手势识别

基于小样本库的手势识别是先进人机交互研究中的一个重要分支.根据Tortoise人手模型训练手势模式库并结合交互者的具体手部特征进行手形训练,生成适用于特定交互者的手势模式库.在交互过程中,根据来自一个或多个同步摄像头的视频信息进行基于自适应遗传算法的手势识别.实验结果表明,在环境光照基本稳定的条件下,文中算法可以实现鲁棒的实时手势识别.