基于深度相机的手腕识别与掌心估测

目的当手和手臂都进入深度相机所设定的有效深度范围时,它们将被作为一个整体来提取,若处理时也把它们作为一个整体,这可能会影响手势交互的一些重要算法,如掌心估测、手朝向估测、手的跟踪等。掌心是手势交互中较为稳定的点,掌心与手簇中心的连线常被用来估测手的朝向。因此提高掌心估测算法的性能有助于提高手势交互的整体性能。方法为了有效地分割手与手臂,从分析手腕的运动特征和手的轮廓特点入手,并利用内切矩形的几何特征,提出手腕识别算法;为了提高掌心估测的性能,从手势交互的特点入手,分析了锐角三角形和最大内切圆的几何特征,提出新的掌心估测算法。结果本文算法在空气多点触摸系统中进行了实验,新的掌心估测算法较之原算法在性能上提高了近7倍,且仍然能保持掌心坐标的稳定性,坐标偏差不大于3个像素。同时手腕识别算法的引入也提高了掌心估测的准确性。结论实验结果表明,手腕识别算法能较好地分割出手与手臂,新的掌心估测算法能很好地支持实时交互。     

基于视觉的手势识别方法及其在数字信号处理器上的实现

针对手势识别算法复杂度高、在嵌入式系统上运行效率低的问题,提出一种以定点运算为主的基于形状特征的手势识别方法。采用内部最大圆法和圆截法提取特征点,在手掌内部寻找一个最大圆来获取掌心坐标;同时根据指尖的几何特征,在手形边缘以画圆的方式获取指尖,从而得到手势的手指数、方向和掌心位置等特征信息;再对这些特征信息进行分类并识别。通过对算法进行改进,完成了在数字信号处理器（DSP）上的移植。实验证明该方法对于不同人的手具有适应性,适合在DSP上处理,与其他基于形状特征的手势识别算法相比,平均识别率提高了1.6%~8.6%,计算机对算法的处理速度提高了2%,因此所提算法有利于嵌入式手势识别系统的实现,为嵌入式手势识别系统打下基础。     

实时手势加速度动作分割与识别研究

实时手势动作分割与识别是基于惯性传感器手势交互的重要研究内容.采用佩戴在手腕的单个加速度传感器获取手势加速度信号,提出一种实时手势加速度动作分割和识别方案.首先采用基于阈值的动作分割算法实时切分连续手势,通过聚类算法提取手势动作的关键特征,然后构造离散隐马尔可夫模型实现手势识别.实验结果表明,本文采用的手势动作切分算法能自动提取有效手势信号,关键特征选择不仅降低了隐马尔可夫模型的复杂度,而且提高了识别率.     

基于视觉的手势识别方法及其在数字信号处理器上的实现

针对手势识别算法复杂度高、在嵌入式系统上运行效率低的问题,提出一种以定点运算为主的基于形状特征的手势识别方法。采用内部最大圆法和圆截法提取特征点,在手掌内部寻找一个最大圆来获取掌心坐标;同时根据指尖的几何特征,在手形边缘以画圆的方式获取指尖,从而得到手势的手指数、方向和掌心位置等特征信息;再对这些特征信息进行分类并识别。通过对算法进行改进,完成了在数字信号处理器(DSP)上的移植。实验证明该方法对于不同人的手具有适应性,适合在DSP上处理,与其他基于形状特征的手势识别算法相比,平均识别率提高了1.6%~8.6%,计算机对算法的处理速度提高了2%,因此所提算法有利于嵌入式手势识别系统的实现,为嵌入式手势识别系统打下基础。     

深度图像手势分割及HOG-SVM手势识别方法研究

针对深度图像静态手势识别问题,提出一种基于深度图像手势分割及HOG-SVM手势识别方法。该方法的具体做法包含以下四个步骤:第一步,对深度图像进行手势分割,对随机方向的手臂图像通过椭圆拟合算法计算其倾斜角度,并将其校正至垂直方向;第二步,对手臂图像进行距离变换,通过分析距离变换返回的距离矩阵精确定位手掌心、手腕及手臂在图像中的坐标;第三步,计算、优化手势图像的HOG特征;第四步,实时采集大量训练样本并获取其训练矩阵,对训练矩阵进行处理找到最优的SVM参数,使响应曲线的可区分度达到最佳以提高手势识别率。实验证明,所设计的系统在保证实时性、鲁棒性的同时也获得了很高的识别率。     

基于复合特征和动态阈值圆法的手势识别算法研究

针对传统手势识别中用肤色分割手部区域效果的局限性,采用Kinect获取深度信息来分割手掌,能得到较好的效果。对手掌轮廓进行多边形逼近,将凸包点作为候选指尖点。利用非零像素（白）到最近零像素的距离提取掌心,用线性回归动态调整阈值圆半径,将无用凸包点过滤,实现指尖点的准确提取。在分类识别中,将图像的Hu矩和指尖点个数组合起来,作为复合手势特征,导入KNN分类器中,实现手势识别。实验证明,基于复合特征和动态阈值圆法的手势识别算法具有较好的识别率和实时性。     

基于改进深度信息的手势分割与定位

针对基于Kinect深度信息分割的手势往往包含手腕易造成后续手势误识别的问题,提出一种改进深度信息的手势分割与定位算法。首先,基于深度信息阈值限定在实验空间中检测出手势二值图;然后,根据普通手势特征,提出基于手势端点检测和可变阈值算法分割出准确手势。为得到稳定的分割效果,对分割手势进行形态学处理,最后选取基于手势重心坐标和最大内切圆圆心坐标的联合手势定位法定位手势。实验结果表明,该手势分割方法比已有分割方法更准确可靠,联合手势定位比Kinect软件开发工具包骨骼数据定位和手势重心定位稳定,无奇异点。     

基于几何特征的静态字母手势识别算法

针对聋哑人哑语手势自动识别问题的复杂性,研究了手势几何特征的多样性及提取和识别方法,提出了一种基于几何特征的手势识别算法.首先,对手势图像进行肤色分割、边缘检测以及逻辑运算,然后,计算其质心面积等多项几何特征,通过实验方法测定最佳特征权值,最后,将其与样本图像特征值进行匹配,最佳匹配即为检测结果.根据30个字母手势创建了3套手势库,其中1套作为样本集,2套作为测试集.实验结果表明,通过该方法进行特征提取来识别汉语字母手势,可有效提高识别率,测试集识别率达到93.33％.     

基于深度信息的手势识别算法研究

针对在复杂背景中传统手势识别算法的识别率低问题,利用Kinect的深度摄像头获取深度图像,分割出手势区域后进行预处理;提取手势的几何特征,并提出深度信息的同心圆分布直方图特征,融合手势的几何特征和深度信息的同心圆分布直方图特征;学习训练随机森林分类器进行手势识别.文中通过在复杂背景条件下对常见的“石头”、“剪刀”、“布”3种手势进行测试,实验结果表明:文中所提方法具有很好的平移,旋转和缩放不变性,能适应复杂环境的变化.     

基于机器视觉的火车驾驶员动态手势识别方法

为快速准确识别火车驾驶员动态手势,提出一种基于机器视觉的动态时间规整算法.采用Kinect视觉传感器提取手势深度信息,结合人体骨骼节点信息,通过选取合适的深度距离阈值将手势图像信息从背景中分离出来.基于支持向量机(SVM)算法对分割后的手势图像进行识别并对手势规范性进行评价.利用图像深度数据以及驾驶员骨骼数据得到手臂骨...     

一种改进的瞳孔中心估计方法

经典的虹膜定位算法主要有基于投票机制的Hough变换算法和Daugman提出的基于微积分的圆形检测算法。本文分别对这两种算法进行了分析和验证,针对这两种算法计算量大的缺点提出了一种改进的瞳孔中心估计方法,以减小定位算法搜索瞳孔中心的范围。与传统的瞳孔中心估计方法相比,本文改进的方法能有效缩小估计中心点与实际中心点的误差范围,具有很强的实用性。     

基于圆弧扫描线的手势特征提取和实时手势识别

基于手势的人机交互是当前备受关注的自然人机交互模式之一,实时手势识别是其中最重要的步骤。本文提出了一种基于圆弧扫描线的手势特征提取和实时手势识别方法。首先,基于一种抽象描述手掌和五指关系的简洁人手海龟模型,结合肤色特征和腕部标记分割出人手部图像,并进行二值化处理 和统一尺寸来建立手势训练集。 然后,以手掌中心为圆心构造同心圆来提取训练集中不同手势样本的特征,并使用线性判别分析(Linear discriminant analysis,LDA)算法对手势特征向量进行离线预处理。最后,使用 改进的加权K近邻（Weighted-K-nearest neighbor,W-KNN）算法进行实时手势分类和识别。为了验证本文方法的有效性 ,在自建小型手势数据库上进行了算法分析和比较,并在多投影系统下进行实时交互测试。实验 结果表明本文算法具有较高的识别效率。     

Quick and accurate estimation of human 3D hand posture

We propose a three-dimensional hand posture estimation system that can retrieve a hand posture image most similar to the input data from a non-multilayer database. Our system uses, at the first stage, coarse screening by the proportional information on the hand images, which roughly correspond to forearm rotation or bending of the thumb or four fingers; then, at the second stage, performs a detailed search for similarity for selected candidates. To describe forearm rotation, and wrist’s internal and external rotations, bending and stretching, no separate processes were used for estimating the corresponding joint angles. By estimating the sequential images of the finger shape using this method, we successfully realized a process involving a joint angle estimation error within two or three degrees, a processing time of approximately 80 fps or more, using only one Note PC and high-speed camera, even when the wrist was freely rotating. Since the image information and the joint angle information are paired in the database, as well as the wrist joint, the system can generate the imitative motions as those of the fingers and wrist of a human being with no time delay by means of a robot, by outputting the estimation results to the robot hand.     

Hierarchical topology based hand pose estimation from a single depth image

Hand pose estimation benefits large human computer interaction applications. The hand pose has high dimensions of freedom (dof) for joints, and various hand poses are flexible. Hand pose estimation is still a challenge problem. Since hand joints on the hand skeleton topology model have strict relationships between each other, we propose a hierarchical topology based approach to estimate 3D hand poses. First, we determine palm positions and palm orientations by detecting hand fingertips and calculating their directions in depth images. It is the global topology of hand poses. Moreover, we define connection relationships of finger joints as the local topology of hand model. Based on hierarchical topology, we extract angle features to describe hand poses, and adopt the regression forest algorithm to estimate 3D coordinates of hand joints. We further use freedom forrest algorithm to refine ambiguous poses in estimation to solve error accumulation problem. The hierarchical topology based approach ensures estimated hand poses in a reasonable topology, and improves estimation accuracy. We evaluate our approach on two public databases, and experiments illustrate its efficiency. Compared with state-of-the-art approaches, our approach improves estimation accuracy.     

基于最大内切圆的椭圆孔组检测

针对当前一些椭圆孔组工件检测成本高、时效低等问题,提出了一种基于最大内切圆的椭圆孔组检测方法。首先对椭圆孔组图像进行去噪、二值化和边缘检测等预处理;再根据椭圆的几何性质,结合椭圆中心估计方法和最值距离选取方法,求出椭圆最大内切圆,从而确定椭圆的中心坐标、长短轴长和倾斜角。实验数据表明,该方法能对椭圆孔组进行快速精确检测,在估计出椭圆中心的基础上能快速截取有效椭圆弧,大幅减少无效采样;与基于中心估计Hough椭圆检测算法和基于最小二乘改进椭圆检测算法相比,具有耗时短、精度高等优点,可有效应用于椭圆孔组工件的自动化检测。     

Hand gesture recognition based on concentric circular scan lines and weighted K-nearest neighbor algorithm

Human-computer interactions based on hand gestures are of the most popular natural interactive modes, which severely depends on real-time hand gesture recognition approaches. In this paper, a simple but effective hand feature extraction method is described, and the corresponding hand gesture recognition method is proposed. First, based on a simple tortoise model, we segment the human hand images by skin color features and tags on the wrist, and normalize them to create the training dataset. Second, feature vectors are computed by drawing concentric circular scan lines (CCSL) according to the center of the palm, and linear discriminant analysis (LDA) algorithm is used to deal with those vectors. Last, a weighted k-nearest neighbor (W-KNN) algorithm is presented to achieve real-time hand gesture classification and recognition. Besides the efficiency and effectiveness, we make sure that the whole gesture recognition system can be easily implemented and extended. Experimental results with a user-defined hand gesture dataset and multi-projector display system show the effectiveness and efficiency of the new approach.     

基于几何测度的图像置乱度算法研究

分析研究了现有的几种图像置乱度衡量算法,从图像置乱前后相邻像素之间的距离偏移和方向偏移两个方面考虑,提出了基于几何测度的图像置乱度算法;最后通过对比分析,证明该算法具有更好的实用性、有效性与优越性。     

Geometrical Parameter Estimation for Industrial Manipulators Using Two-step Estimation Schemes

This paper proposes a new solution for estimating the kinematic parameters of a manipulator, using a two-step linear estimator. The estimator is based on the recursive least-squares (RLS) method. The main characteristics of the method are that one singularity in estimation is overcome and parameters estimates approach the true values more quickly and smoothly than for algorithms using a one-step estimator. The algorithm can be applied for the estimation of parameters of both serial-link robots and robots having a kinematic closed-loop. Simulation results are given, comparing the proposed method with conventional approaches.