基于Kinect深度信息的手势提取与识别研究

针对基于视觉的手势识别技术对环境背景要求较高的问题,提出了一种使用深度信息进行手势提取和识别的研究方案。采用了微软Kinect摄像头进行手势深度图的采集,再将深度图转换为三维点云,根据深度信息过滤来提取手势数据。对手势数据进行方向校正后统计手势数据中深度信息的区间分布特征并输入到支持向量机进行训练,从而实现了对数字手势1～5的手势识别。实验结果证明,该手势识别方案的平均识别率达到95%,使用设备简单且精度较高,鲁棒性较好。     

基于OpenGL的三维虚拟人手语动画的研究与实现

研究了一种基于OpenGL实现三维虚拟人手语动画的方法.首先构造了三维虚拟人的最小骨骼模型;其次研究分析了手部的关键动作,提出了手部动厕的关键帧手势;又考虑到手部的运动干涉和运动约束,给出了手语动画中的不可能手势,接着基于关键帧手势以及不可能的手势,利用手部各关节之间的联动关系,给出了手部各节点位置的计算方法;最后基于OpenGL实现了三维虚拟人的手语动画.实验结果表明,基于关键帧手势以及不可能的手势的三维虚拟人的手语动画方法不仅解决了真实人手部动作的复杂性问题,又没有裁剪必要的手部动作,获得了理想的手语动画效果.     

基于肤色检测技术的手势分割

手语是聋哑人使用的语言。在手势输入设备发展二十多年以后,许多人仍然发现在与聋哑人的互动交流中存在着一定的困难。因此应该努力使计算机适应自然的交流方式。文中的目的是利用肤色检测程序从整个图像上获取有意义的手势区域,并处理不同室内背景和照明情况下的手势,为进一步的手语识别做准备。对几个静态手势的检测过程进行了实验评估,并就结果进行了讨论。     

运动传感驱动的3D直观手势交互

为了使手势交互方式较少受到场地和光线的限制,提出利用加速度传感器作为输入设备进行手势识别的方法.对每种手势只要求用户做一次示范表演,通过添加噪声等手段来提高训练数据生成的自动化程度;将训练数据经过预处理和特征提取之后用于训练机器学习模型(隐马尔科夫模型和支持向量机).在包含70种手势的测试集上进行实验,平均识别率超过90%;并开发了幻灯片手势控制和手势拨号2个基于手势的人机交互原型系统,结果表明文中方法能够显著地提升用户在人机交互中的体验.     

多尺度卷积特征融合的SSD手势识别算法

为了提高对中小占比手势识别的准确性与稳定性,提出了一种多尺度卷积特征融合的SSD(single shot multibox detector)手势识别方法。该方法突出表现在两大方面,其一,在原始的SSD算法的多尺度卷积检测方法基础上,引入了不同卷积层的特征融合思想,经过空洞卷积下采样操作与反卷积上采样操作,实现网络结构中的浅层视觉卷积层与深层语义卷积层的融合,代替原有的卷积层用于手势识别,以提高模型对中小目标手势的识别精度;其二,为了解决正负样本不均衡导致分类性能差的问题,提出一种改进的损失函数,以提升模型对目标手势的分类能力。在手势识别公开的数据集上的实验结果表明,与SSD和Faster R-CNN等识别方法相比,能够在保持较高的手势检测精度的同时,又具有较好的鲁棒性与检测速度。     

复杂环境中多信息融合的手势识别

针对复杂环境中的手势识别问题,提出了一种融合深度信息和红外信息的手势识别方法。首先利用Kinect摄像头的深度信息进行动态实时手势分割,然后融合红外图像复原手势区域。解决了实时手势分割和利用手势的空间分布特征进行手势识别时由于分割的手势区域有缺损或有人脸干扰时识别率低的问题。经实验验证,提出的方法不仅不受环境光线的影响,而且可以识别区分度较小的手势,对旋转、缩放、平移的手势识别也具有鲁棒性。对于区分度较大的手势,识别率高达100%。     

基于MEMS组合模块的姿态检测系统设计

在研究两轮自平衡电动车的平衡控制的基础上,设计了基于MEMS组合模块的姿态测量系统.通过对各MEMS传感器输出信号特征的提取、分析,将离散化低通滤波器模型与互补滤波的思想相结合,巧妙地构造出一种便于本系统实现的数据融合模型.同时,提供了一种基于MEMS组合模块姿态检测的低成本、可行性方案.     

基于Leap Motion的动态手势识别方法

伴随虚拟现实（Virtual Reality,VR）技术的发展,以及人们对人机交互性能和体验感的要求提高,手势识别作为影响虚拟现实中交互操作的重要技术之一,其精确度急需提升^[1].针对当前手势识别方法在一些动作类似的手势识别中表现欠佳的问题,提出了一种多特征动态手势识别方法.该方法首先使用体感控制器Leap Motion追踪动态手势获取数据,然后在特征提取过程中增加对位移向量角度和拐点判定计数的提取,接着进行动态手势隐马尔科夫模型（Hidden Markov Model,HMM）的训练,最后根据待测手势与模型的匹配率进行识别.从实验结果中得出,该多特征识别方法能够提升相似手势的识别率.     

整合概念设计与详细设计过程的笔式CAD系统研究

目前存在的CAD系统由于交互方式不自然,交互效率低,缺乏对概念设计中模糊信息的支持,中断了设计信息流,导致概念设计与后续设计过程断裂,增加了设计周期和工作量。针对当前CAD系统的不足,提出对于支持概念设计的笔式CAD系统的研究,并探讨实现这样一个系统的问题及解决。其目的在于通过高效地使用当前的手势识别和草图识别技术,支持用户从开始的模糊意图所产生的随手笔画,到最后进行精确定位和绘制,使概念设计与详细设计过程整合,减少工作量和缩短设计周期。     

移动终端手势识别中DTW匹配算法研究

针对现有手势识别算法中存在的计算量复杂、识别率低和效率差等不足,提出一种基于L-ADTW的移动终端手势识别的匹配方法,利用手机内置加速度传感器进行手势识别,采用差分检测方法自动检测出有效手势序列,用改进的起始松弛点对有效手势序列进行校准,使用L-ADTW匹配算法进行有效手势序列段匹配,并将匹配结果与优化阈值比较分析。实验结果表明,提出的L-ADTW算法,在保证手势匹配高效的前提下,使等错率降到2.5%,认证成功率提高了5.37%。