应用几何矩和边缘检测的手势识别算法

提出了一种结合几何矩和边缘检测的手势识别算法。手势图像经过二值化处理后,提取手势图像的几何矩特征,取出几何矩特征7个特征分量中的4个分量,形成手势的几何矩特征向量。在灰度图基础上直接检测图像的边缘,利用直方图表示图像的边界方向特征。最后,通过设定两个特征的权重来计算图像间的距离,对30个字母手势进行识别,识别率为90％。     

构造化线段特征矩阵的手写汉字识别

本文介绍了一种利用线段特征矩阵进行匹配的手写汉字识别方法。对输入文字图像测定其笔划宽度，抽取四个方向子图像。然后，利用文字图像重心分割图像成若干区域，按分割的区域，求各子图像区域的线段特征矩阵，与样本字库比较识别，进行手写汉字识别分类。实验表明本方法是有效的。     

基于自适应阈值的动态手势分割和识别

对手势视频流进行了帧分离,通过对人体肤色的检测来分割手势,识别过程采取了自适应阈值二值化方法进行预处理,特征提取兼顾了手势本身的形状特征和整个手势序列的运动轨迹特征。实验结果证明获得了较高的识别率,此方法是可行的。     

用特征向量元素模糊分类的手写汉字识别

本文介绍了一个用特征向量元素模糊分类的手写汉字识别系统，系统在预处理时采用字心中心法，一级分类用笔道密度函数特征的向量元素模糊方法分类，详细识别用外廓方向贡献度特征，系统实验表明本识别方法是有效的。     

用计算机抽出手写汉字的三角号码

本文提出了一种用计算机从手写汉字中抽提出三角号码基本特征的方法,并对抽出的汉字三只角上的特征进行编码,以达到识别分类的目的。从信息论的观点进行研究已经知道,汉字图像的四周对于文字识别的信息量是相对集中的,如果能正确地抽取这些特征,识别就成为可能。具体方法如下:(1)将手写汉字正规化,除去噪音,抽出方向线段,提取特征点的座标及接续关系矩阵。(2)在汉字图像上找出右上、左下、右下三个角上的基本特征点,根据特征点矩阵对每一个字生成三个笔形图像。(3)将笔形图像与三角号码笔形辞典比较,识别抽出三角号码笔形,并加以编码。用计算机模拟实验表明,本方法是有效的。     

基于模板匹配的快速人脸定位

提出了一种基于模板匹配的快速人脸定位算法.该算法利用积分投影法预测人脸可能的范围与位置,然后在限定的范围内采用模板匹配的方法定位人脸,从而实现了快速且可靠的人脸定位.     

基于几何矩的字母手势识别算法

提出了一种基于提取字母手势的统计特征的方法，计算各手势图像的几何矩，以形成特征空间，并将之应用到手势识别中去。该算法具有旋转、缩放、及平移不变性的特点，并取得了较好的实验效果。     

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。     

机构学及其在手指语合成中的应用

人的手指极为灵活,随着各个指节的运动参数的变化,其运动形式也千变万化。该文引用了机器人学中的机构学里的Denavit—Hartenberg矩阵方法来合成手指语。结果自然、可信。并推导出一个简化手指的运动学和逆运动学方程。用同样的方法还可以解决更为复杂的通用手指运动学和逆运动学方程。根据所得方程可以较好地实现手指语的合成。     

手势合成的建模方法

本文介绍了手势的分类，以及在虚拟现实技术中的应用，通过分析手的物理结构，确定了手关节的自由度，以及关节运动的约束，分别从几何建模和行为建模两个方面来介绍合成手势的方法。