基于手势识别的人机交互技术

文章将现有人机交互方法与基于计算机视觉交互方法进行了对比,列举了该交互技术的优点及可行性,并提出了一种利用摄像头采集手势进行人机界面交互的方法,研究了并进一步实现了基于图像的手势分析、识别等关键技术.通过一系列实验结果表明,基于文中技术实现的一套系统能够实时地跟踪手的运动,并识别出手势结果,实现实时的人机手势交互.     

手势识别的神经网络方法

手势识别正成为人机交互技术研究中的一种重要模式。本文介绍了手势的基本概念及手势的两种方式,分析了人机交互过程中用户产生手势和计算机系统“感知”手势的基本过程,提出了手势识别的两种途径,在此基础上,使用数据手套５ｔｈ Ｇｌｏｖｅ‘９５输入手势,运用ＢＰ神经网络实现了静态手势的识别。     

基于Euclidean距离的手势识别

提出了一种在距离空间内采用Euclidean距离计算的手势识别算法。手势图像经过边缘检测后,对边缘图像实施Eu-clidean距离变换（EDT）,在距离变换空间内计算距离映射图与样本之间的Euclidean距离。最后,对基于单目视觉的30个手指语字母手势进行识别,最好识别率达93.33%。     

一种基于Hausdorff距离的车牌字符识别算法

提出了一种基于Hausdorff距离的车牌字符识别算法，即先对待识别的字符图像进行细化，然后用改进的Hausdorff距离进行匹配识别。     

视觉手势识别综述

随着计算机视觉的发展和人机交互的需要,手势识别研究取得了蓬勃的发展。然而,很少有对手势识别进行全面分析、总结、评述的相关综述研究。 针对这一问题, 就基于计算机视觉的手势识别技术的发展现状展开综述, 系统地分析和梳理了近三十年来基于计算机视觉的手势识别技术,按照手势识别的流程,将手势识别分为检测分割、分析和识别3个主要步骤,并对每个步骤分别进行评述,总结归纳其适用范围及优缺点。最后对手势识别进行总结展望。     

基于计算机视觉的手势检测识别技术

对以计算机视觉为基础的手势检测识别技术展开综述,回顾手势检测识别技术的发展过程,介绍该技术的研究难点和研究动态,在此基础上着重归纳以计算机视觉为基础的手势检测识别技术的主要过程,介绍手势识别的主要方法并分析该技术近年的发展趋势。     

基于子形心集 Hausdorff 距离的平面形状识别新方法

本文在定义了平面形状边缘子形心概念的基础上，综合形状识别的Ｈａｕｓｄｏｒｆ距离法和形殊点法的思想，提出了一种形状分类新方法，并将它用于含刚性变化的封闭形状识别问题中。实验证明，此法在提高分类精度的同时使计算代价大大下降，较过去的形状识别方法来说更加快速有效。     

基于计算机视觉的手势检测识别技术

伴随着社会经济的发展,科学技术也有了一定的进步,在计算机领域的成就已经比以往先进了许多,新软件以及硬件都在不断地出现,已经遍布在人们日常生活的各方各面,给人们的生活带来了天翻地覆的改变.从开始的通过鼠标和键盘接触电脑,到现在的跟电脑进行深入交流,出现了人机交互的一种形式,这种方式被人们称为计算机视觉的手势检测识别.在本文中,主要针对手势检测识别在算法流程上进行分析,并且对其进行识别的技术进行深入分析.     

基于计算机视觉的手势检测识别技术

经过多年的发展,计算机技术已经逐渐成熟,各种新硬件、新软件层出不穷,为人们日常的生产生活带来了巨大便利,但人类在接触计算机的过程中仍然基本上只能够通过键盘、鼠标等部件,而这也在一定程度上影响了人类与计算机的深入交流.因此当前出现了一种新的人机交互方式,即基于计算机视觉的手势检测识别,本文将在此背景之下,通过简单介绍基于计算机视觉的手势检测识别的算法流程,着重围绕基于计算机视觉的手势检测识别技术进行探究.     

基于视觉的动态手势识别概述

基于计算机视觉的动态手势识别是最直观、最自然的人机交互方式之一。简单回顾了手势识别技术的发展历程;从手势检测和分割、手势跟踪、特征提取和识别算法四个方面对动态手势进行阐述,梳理并归纳了几种代表性的算法,详细探讨了各算法的优缺点;介绍了动态手势识别的应用领域,并展望了今后的发展趋势。     

图像匹配的鲁棒型Hausdorff方法

提出基于一种新型Hausdorff距离的鲁棒型图像匹配方法，首先对传统的各种Hausdorff距离所存在的缺陷进行了分析，然后根据这些缺陷提出了“鲁棒型”的Hausdorff距离，这一新的距离考虑了边缘点的位置，边缘点的总数，由有限点组成的伪边缘，出格点和边缘的遮挡等因素，从而使传统的缺陷得到了克服，对合成图像及实际图像的实验结果表,暖气 提出的Hausdorff距离测度比传统的Hausdorff距离测度更为有效。     

一种利用Hausdorff距离的高效目标搜索算法

为了快速高效地进行目标搜索，提出了一种在仿射变换条件下，利用Hausdroff距离进行目标搜索的高效算法。此算法是在一种新的距离变换形式——“最小正方盒距离变换”的基础上进行的。实验结果表明，与现有算法相比，该算法在不影响搜索成功率和目标定位精度的情况下，还可以显著地缩短搜索时间。为验证该算法的有效性，将该算法与Rucklidge算法进行了对比实验，结果表明，该算法明显优于Rucklidge提出的快速目标搜索算法。     

基于光流的动态手势识别

手势识别是人机交互中的重要组成部分，文章针对基于光流PCA（主分量分析）和DTW（动态时间规整）进行命令手势识别。利用块相关算法计算光流，并通过主分量分析得到降维的投影系数，以及手掌区域的质心作为混合特征向量。针对该混合特征向量定义了新的加权距离测度，并用DTW对手势进行匹配。针对9个手势训练和识别，识别率达到92％。     

一种基于Hausdorff距离的图像匹配算法

在图像匹配过程中,经常有目标图像被遮掩、有缺损的情形,使识别过程较为困难。文章在提取边缘特征点的基础上,用部分Hausdorff距离的均值对图像进行相似性度量。仿真实验结果表明,对上述提到的小目标识别效果良好,速度也较快。     

基于子形心集Hausdorf 距离的平面形状识别新方法

本文在定义了平面形状边缘子形心概念的基础上,综合形状识别的Hausdorff距离法和形殊点法的思想, 提出了一种形状分类新方法,并将它用于含刚性变化的封闭形状识别问题中.实验证明,此法在提高分类精度的同 时使计算代价大大下降"较过去的形状识别方法来说更加快速有效.     

基于图分割与Hausdorff距离的多分辨率影像匹配

针对具有复杂场景的航拍图像提出了一种基于图分割理论与Hausdorff距离的多分辨率影像匹配方法。在高斯金字塔图像模型中,低分辨率的图像通过图分割方法,充分考虑图像中的局部和全局的信息,提取到稳定和完整的图像区域边界,并以区域边界作为待匹配的曲线。再通过计算曲线的统计特性作为图像间待匹配特征,并由信号相关的度量方法粗估计出图像间全局仿射变换参数。利用粗估计的参数在高分辨率层次上进一步通过基于Hausdorff距离的匹配方法搜索到精确的变换参数。实验结果表明,该方法在较大变形和强噪音干扰的情况下对复杂场景的图像也能有效地完成匹配。     

基于信息测度特征和Hausdorff距离的图像匹配策略

由于传统的图像匹配方法受到诸如景物的遮挡、光照和噪声的影响比较大，并且需要建立模板与图像间的对应关系，因而使实际图像的匹配变得困难。为了克服上述缺陷，以便快速地进行图像匹配，通过引入信息测度概念来提取边缘特征点，并基于修正后的：Hausdorff距离构造相似性测度，提出了一种基于信息测度和：Hausdorff距离的图像匹配策略。该策略不仅加快了匹配过程，提高了抗噪性能，而且能准确匹配遮挡图像，从而较好地解决了基于传统Hausdorff距离的图像匹配因噪声点、伪边缘和出格点而造成的误匹配问题。实验结果证明，该方法是正确有效的。     

基于形状特征的字母手势的分类及识别算法

提出了一种基于形状特征的字母手势的分类及识别算法。根据手势图像中手指的方向及数目进行粗分类,然后在边界图像及二值图像中提取手势的形状特征向量,进行基于类似度的模板匹配,实现对字母手势的细分类。实验证明,基于形状特征的粗分类能够排除完全不匹配的手势,减少了识别过程中的匹配搜索时间,提高了识别率。     

基于Hausdorff距离的3维模型匹配的改进方法

通过单目灰度图像来实现已知3维模型移动对象的精确定位，是基于3维模型的交通视觉检测与目标跟踪系统的首要环节，也是机器视觉领域的一个重要问题。为了更好地进行图像匹配，提出了一种带权值的Hausdorff距离作为3维模型投影和图像中物体轮廓相似性的测度，以避免建立图像特征与模型之间的点一点对应，这样既可减少计算量，也可提高匹配精度。为了避免陷入局部最优，可将一种带记忆功能的模拟退火(SA)算法引入图像模型匹配，这样可提高匹配参数的搜索精度。实验证明，由于SA算法和改进的Hausdorff距离相结合能有效地对3维模型和图像进行匹配，从而可对具有平移、旋转的物体实现精确定位。     

基于特征距离加权的手势识别

基于计算机视觉的手势识别是当前人机交互领域的热门研究,但由于受光照、环境等因素的影响,使得采用单一特征描述手势的方法不能很好地识别手势,因此提出一种将Hu不变矩和指尖个数特征相结合的静态手势识别方法,对采集的手势图像进行预处理,再使用肤色模型分割出手势,并采用重心距离法检测指尖个数,进而对提取的手势轮廓进行Hu值的计算,最后采用模板匹配法对特征距离进行加权和融合来识别手势。实验结果表明,与采取单一的Hu矩或指尖个数作为手势特征的方法相比,该方法可以 获得更高的识别率。