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FLM的特征检测算法在手势识别中的应用

提出一种用于特征检测的基于高斯函数的特征相似度函数 (FeatureLikelihoodmap(FLM) ) ,该函数是归一化为[0 ,1]的一个函数 ,它模拟了在尺度空间中各点的图像特征的相似度 .FLM继承了一些基于特征的图像描述方法的特点 ,避免了模型和数据匹配算法中所需要的大量的搜索 ,它还淘汰了基于特征的传统方法中的阈值需要 .本文推导了对称圆状特征的相似度函数 ,并且将它运用于手势识别中 ,实验结果表明该方法能很好地检测出手形特征并且进行手区域定位和手形识别 .     

基于Leap Motion的动态手势识别

动态手势识别作为人机交互的一个重要方向，在各个领域具有广泛的需求。相较于静态手势，动态手势的变化更为复杂，对其特征的充分提取与描述是准确识别动态手势的关键。为了解决对动态手势特征描述不充分的问题，利用高精度的Leap Motion传感器对手部三维坐标信息进行采集，提出了一种包含手指姿势和手掌位移的特征在内的、能够充分描述复杂动态手势的特征序列，并结合长短期记忆网络模型进行动态手势识别。实验结果表明，提出的方法在包含16种动态手势的数据集上的识别准确率为98.50%；与其他特征序列的对比实验表明，提出的特征序列，能更充分准确地描述动态手势特征。     

Hand gesture recognition using valley circle feature and Hu’s moments technique for robot movement control

Hand gesture recognition is a simpler and more natural way of human computer interaction. The goal of this paper is to detect the continuous gestures and use them to convey information for the robot movement control. So the hand gesture recognition requires fast and extremely robust. In this paper, three strategies were used to realize the hand gesture recognition: (1) the valley circle (VC) was created for the first stage of 6 fingertip numbers classification; (2) the hybrid feature vector of Hu’s moments, convexity and compactness (HCC) were constructed for the second stage of gesture recognition of the remainder unknown gesture classes; (3) a new template matching recognition (NTMR) algorithm was proposed to realize 10 gesture classes recognition. To test the hand gesture recognition method, the robot movement control system was built. It is experimental proved that the NTMR algorithm is effective and corrective for the hand gesture recognition. It increased the recognition accuracy by 4% and decreased the recognition duration by 112 ms compared with Hu’s moment method. It had good performances of the real-time hand gesture acquisition and information conveyance, and it had the invariant properties when the gesture was rotated and shifted and scaled.     

基于动态贝叶斯网络的手势识别

研究了动态手势的识别技术,实现人机交互。采用HSV空间的肤色模型实现手势定位,光流场算法进行手势追踪,具有较好的快速性、准确性和鲁棒性。提出应用链码描述手势运动矢量,双手相对位置标量以及双手与脸的相对位置标量,将多条链码作为动态手势的特征进行提取。建立了一个动态手势识别的动态贝叶斯网络模型,将一部分手势链码作为训练样本,通过对DBNs的推理学习实现手势识别。实验构建动态手势识别系统,可应用于多媒体、智能电器或幻灯片控制之中。     

基于深度预分割结合Camshift跟踪算法的动态手势识别方法

针对现有改进的Camshift手势跟踪算法没有考虑光照变化影响下的鲁棒性,进而降低了动态手势的识别率,提出一种基于深度预分割结合Camshift跟踪算法的动态手势识别法.通过在Camshift手势跟踪的基础上引入深度信息,对手势搜索区域进行深度预分割,改进手势目标匹配概率,去除非手势肤色区域及光照变化的影响,最后用隐马尔可夫模型(HMM)进行识别.实验结果表明,提出的方法在光照变化及肤色干扰的环境下有很好的鲁棒性,数字0～9的平均识别率可达97.7％.     

RBF Network Methods for Face Detection and Attentional Frames

In this paper we introduce a set of adaptive vision techniques which could be used, for example, in video-conferencing applications. First, we present methods for finding faces and selecting attentional frames to focus visual processing. Second, we present methods for recognising individual gesture phases for camera control. Finally, we discuss how these techniques can be extended to virtual groups of multiple people interacting at multiple sites.     

Bezier矩及其在人体姿态识别中的应用

首次提出了Bezier矩的定义,并用于人体姿态的识别。该矩具有较好的数学表达形式,充分反映了形状特性。文中给出了Bezier矩的推导,并给出试验结果以及改进的hu不变矩的试验比较结果,试验证明Bezier矩方法优于改进的hu不变矩方法。     

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。