多点触控的沙画手势识别

针对多点触控手势间接指令问题,提出了基于多点触控的沙画手势识别系统,该识别系统由时间、空间、形状信息控制。提出一种手势图形建模方法,测量手势的笔划之间的空间和时间关系。采用聚类算法标记手势图形中笔划的形状信息作为局部形状特征;利用基准方法HBF49特征提取全局形状特征。通过一组有10种不同多点触控的沙画手势的数据集评估基于多点触控的沙画手势识别系统,使用图嵌入方法和SVM分类进行手势识别,识别的准确率达到94.75%。实验结果证明,此研究对完成基于多点触控的沙画虚拟系统有重要作用。     

OSG多点触控自然用户接口框架

OSG多点触控自然用户接口框架是在Windows多点触控技术基础上,将触控事件的管理和处理与OSG的事件处理机制相结合,形成了OSG的多点触控运行框架.在与用户交互过程中产生手指触屏的原始数据,根据这些原始数据定义所需的手势,并将其与OSG中交互事件处理机制相结合,完成利用多点触控对三维场景的交互操作.基于以上原理,分析了三维用户交互中主要的操作任务,定义了符合三维空间操作认知的多点触控交互手势,设计了相关手势的识别算法,并通过实例应用的开发验证了这一原理和设计成果的正确性和可行性.     

基于多点触控技术的智能仪器面板设计

详细讨论了多点触控技术的原理、硬件实现方法、对象跟踪算法和软件处理流程;研制了一种以ARM处理器为核心、彩色液晶图形显示、多点触控输入、具备底层驱动和软件中间件的高可靠性智能仪器面板.     

基于GPU的多点触控图像处理技术

现有的图像校正技术仅对触点坐标进行校正,存在损失大量操控面信息,限制复杂交互方式的缺点。为此,利用图形处理器(GPU)的可编程性和图形图像计算方面的优势,由GPU完成图像校正和处理过程,以此提高图像处理速度。为使系统支持更复杂的操控与交互,改进图像校正和处理流程,实现图像的整体校正,在保留操控面全部信息的同时减少CPU占用资源。理论分析与实验结果验证了该方法的有效性。     

基于虚拟现实的人机交互中的多特征手势识别追踪算法的研究

文章首先分析了虚拟现实人机交互中的要点部分,总结为视线选择与虚拟场景构建,并对其中的构成要点技术加以论述。在此基础上重点探讨实现虚拟现实人机交互环境下多特征手势识别的追踪算法,结合实际案例整理出识别后的多特征手势虚拟图,帮助人们更直观地了解虚拟现实技术下手势识别效果。     

基于FPGA的多点触控检测系统的研究(英文)

多点触控技术是人机交互领域的研究热点,其关键是实现对触控点的准确跟踪定位,针对基于计算机视觉多点触控系统,提出一种基于FPGA的多点触控检测系统。系统分为三个模块。第一个模块针对多点触控系统的环境,采用基于直方图统计面积比法的实现前景分割,第二个模块对二值化结果进行连通域行标记,第三个模块在Microblaze中完成,对行标记结果进行列标记以及计算连通域重心,行标记与列标记模块并行运算。该系统在Xilinx公司的XC3s1200e上实现,摄像机分辨率752*480@60Hz,实验证明,该系统处理速度较快,可以实现对多点触控系统的实时跟踪定位。     

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Petri网和BPNN的多重触控手势识别

为解决多重触控技术的手势识别问题,提出一个多重触控手势描述与识别框架,给出其描述和识别方法。多重触控手势可分为原子手势和组合手势,在手势描述过程中,利用BP网络对原子手势进行建模,然后在将用户的意图映射为原子手势逻辑、时序和空间关系关联而成的组合手势,并在Petri网引入逻辑、时序和空间关系描述符对组合手势进行描述。在手势识别过程中,根据BP网络分类器检测出原子手势,并触发组合手势Petri网模型的转移,实现组合手势的识别。实验结果表明该方法对不同用户操作习惯有鲁棒性,能有效解决多重触控手势识别问题。     

基于手势识别的人机交互算法研究

随着人机交互技术的日益成熟,人机交互技术中的手势识别已成为计算机视觉领域的一个重要课题,而手势交互是人机交互中的一种重要方式。手势识别技术日益受到社会各界的广泛关注。虽然手势识别技术应用广泛,但是存在诸多困难与挑战,尤其是动态手势识别。动态手势的挑战主要来自不可预测的环境和手势识别特性,例如光照变化、与手势特征近似的背景区域干扰、目标遮挡等。基于此,研究了一种基于手势识别算法的人机交互系统。手势识别算法包括图像采集、二值化处理、质心计算、数据筛选和方向量化。     

多点触摸手势分析及识别算法的研究

针对目前多点触控系统缺乏对触摸手势含义的理想描述和解析,提出了一种通用的多点触摸手势分析与设计框架,研究了高性能的算法合理解析并优化多点触控指令,使其更符合用户的思维与认知。设置触点位移和时间函数双阈值来提高触点识别的精确性,防止突增杂点的误判断,减缓过快操作产生的抖动;采用RAF神经网络模型解决动态手势识别的问题,并引入基于欧氏距离函数的聚类统计量作为网络的特征参数,大大提高了多点触摸手势识别的效率和精确度。     

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.     

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。     

Gesture Recognition: The Gesture Segmentation Problem

The gesture segmentation problem is introduced as the first step towards visual gesture recognition i.e. with the detection, analysis and recognition of gestures from sequences of real images. Our gesture segmentation scheme is composed of two steps: accurate gesture contour tracking in space domain, and continuous tracking in time domain. Experimental results and implementations issues are presented.     

Gesture Recognition Summarization

Gesture recognition is an important research in the field of human-computer interaction. Hand Gestures are strong variable and flexible, so the gesture recognition has always been an important challenge for the researchers. In this paper, we first outlined the development of gestures recognition, and different classification of gestures based on different purposes. Then we respectively introduced common methods used in the process of gesture segmentation, feature extraction and recognition. Finally, the gesture recognition was summarized and the studying prospects were given.     

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。     

基于隐马尔可夫模型的动态手势识别研究

随着虚拟现实技术的飞速发展，人们迫切需要一种自然友好的字符输入方式，于是越来越多的研究人员投入到动态手势的研发当中。本文基于隐马尔可夫模型（HMM）搭建了一套动态手势识别系统。这套系统通过Leap Motion采集动态手势数据，并能够识别36个字母和数字的手势（数字0-9和字母A-Z）。经过大量实验表明，该系统有着很强的鲁棒性，识别单独手势的识别率能够达到93.2%。     

基于加速度传感器的可扩展手势识别

为了提高基于加速度传感器的动态手势识别算法的性能,并且增强系统的可扩展性,提出了一种有效结合机器学习模型与模板匹配的方法.将手势分为基本手势和复杂手势两大类,其中复杂手势可分割为基本手势组成的序列;根据手势运动的特点提取有效的特征量,并利用基本手势样本训练随机森林模型,然后用其对基本手势序列进行分类预测;将预测结果进行约翰逊编码,再与标准模板序列进行相似度匹配.实验结果表明,该方法获得了99.75%的基本手势识别率以及100%的复杂手势识别率.算法既保证了手势识别的精度,也提高了系统的可扩展性.     

基于视觉的手势识别技术

近年来计算机已经成为人们日常生活的一部分,人们与计算机的交互也日益成为科研领域的热点。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一项关键技术,而手势识别的研究也可促进手语识别的发展,从而消除健全人与聋哑人之间的交流障碍,使他们能获得健全人的正常生活,帮忙他们参加社会的各项活动。文中介绍了手势识别方法的发展、手势识别的技术难点,具体阐述了基于视觉的手势识别系统原理和组成,手势的建模以及在手势识别中常用的技术方法。     

结构分类的字母手势识别算法

提出了基于结构分类的手势识别方法,即在字母手势图像中寻找轮廓所包含的结构特征信息,并以此进行分类判断。这些结构特征中包含了大量的特征信息,如手指个数、手指间距离等,利用这些信息就可以运用传统的结构分类方法对手势加以识别