一个虚拟手原型的实现

以５ＤＴ 公司生产的数据手套作为手势输入设备,开发了一个虚拟手原型．它以手的运动学模型为基础,采用层次结构法构造手的几何模型,极大地方便了虚拟手的图形显示和实时更新的实现．根据人手的运动约束关系得到各关节弯曲角度的相对比例关系,就能从数据手套得到的７ 个传感数据获得整个手的运动情况,并用静态碰撞检测法处理虚拟手与其他物体的碰撞检测,在运行期间不断地对用户手势进行手势映射计算找到最匹配的手势,执行与该手势对应的动作．本原型简单易行,便于增加手势,最后给出了实现结果．     

基于Virtools和5DT数据手套的手势仿真研究

基于数据手套的手势仿真是人机交互研究中的重要内容。首先,采用网格曲面的方法建立了虚拟手的几何模型,解决了简单几何体建模出现的指节断裂现象;其次,为了保证运动映射的精确度,建立了虚拟手的运动模型,针对虚拟手外展时的失真现象,提出了约束值的方法;最后,基于Virtools开发平台,使用数据手套的SDK开发了数据采集模块并给出了具体的方法,编写了手势仿真的脚本程序。实验结果表明,该方法较好地解决了仿真手势的失真问题。     

基于单目视觉和简单手势的空间交互技术

和传统接触型交互设备相比,新颖的非触摸型空间交互技术在空间自由度方面有着明显优势.主要探讨基于单目摄像头和简单手势的双手空间交互技术.首先利用肤色分割、滤波优化、运动轨迹预测等算法实现了双手的跟踪与识别.由于需要用空间手势及其运动状态来替代鼠标,提出了基于中心偏离控制和基于线性映射的两种鼠标映射模式,进而实现了四种基本空间手势.基于提出的空间交互技术,实现了软件控制、游戏体验等多个应用.最后讨论了基于单目视觉的双手空间交互技术在手部分割、学习算法、交互方式等方面的改进方向.     

应用计算机视觉的动态手势识别综述

从手势识别系统框架模型、手势分割、手势建模与分析和手势识别等几个方向,系统地综述当前计算机视觉动态手势识别技术的研究现状,分析其存在的不足,提出了进一步研究的问题.结果表明:基于简易可穿戴设备的手势识别、基于深度视觉传感器的手势识别和多方法交叉融合的手势识别将是未来该领域的发展趋势.     

基于CW-RNNs网络的手势识别算法

该文在分析表征手势特征和神经网络理论基础上,根据手运动轨迹的连续性规律来研究适用于手势识别的关键技术——基于手势轨迹模型的新型神经网络算法。针对手势识别的模糊性和准确性问题,基于手势局部区域跟踪结果,采用一种新型神经网络算法,实现用于人机交互的动态手势识别。手势识别部分的研究是采用一种新型的循环神经网络(CW-RNNs)对手势运动的轨迹进行识别。根据跟踪部分提取的手指运动轨迹坐标,定义手势模版,采用该方法对手势模版进行学习。首先定义连续动态手势模版,采用时间频率循环神经网络对手势模版进行学习,对每组孤立的动态手势模版进行学习,形成手势识别模型。对影响CW-RNNs模型的因素进行了实验验证和深度分析,通过与多层RNNs、三层RNNs的识别效果进行比较,论证了本文模型对手势轨迹模版识别的优越性。     

基于神经网络的手势识别技术研究

以数据手套为基础,分析了手形的几何关系,建立了虚拟手的模型,由数据手套的数据接口获取各指节的曲伸角度,建立手势标准样本库,并提出了基于BP神经网络的手势识别方法,用手势标准样本加以训练,使其具备识别手势的功能,并利用VC 编程实现BP神经网络,用Matlab验证实验结果的正确性.     

基于Kinect传感器深度信息的动态手势识别

提出了基于Kinect传感器深度信息的动态手势识别方法,在预处理阶段通过OpenCV快速跟踪手部,有效分割手势.为改进动态手势轨迹的提取和分类,引入隐马尔可夫模型(HMM)对手势轨迹进行训练和识别.实验结果表明,基于HMM的识别方法对具有时空特性的动态手势有很高的识别率,在不同光照和复杂背景下有鲁棒性的结果.     

基于光流及耦合隐马尔可夫模型的动态手势识别

基于块的相关算法来计算光流，并利用光流跟踪双手的运动．双手的运动轨迹取相邻两点的速度向量，经8方向链码量化后作为观察向量．和直接利用位置信息相比较，提高了识别的鲁棒性．采用耦合隐马尔可夫模型来识别双手动态手势，提出并实现了最大后验概率的训练．对6个双手动态手势的试验表明，耦合隐马尔可夫模型(CHMM)比常规隐马尔可夫模型(HMM)能更有效地对双手动态手势建模．     

基于高斯混和模型与Blob分析的人手定位

在基于机器视觉的手势识别研究中,手势分割与定位是关键技术。本文在分析肤色的颜色特征和人手运动特性的基础上,提出了一种在视频图像序列中实现手势分割和定位的算法。首先结合肤色检测技术和基于高斯混合模型的运动目标检测技术,获得了图像序列的初始手势区域,之后利用Blob技术实现了最终手势的分割和定位。实验结果显示,该方法具有较高的分割和定位准确度。     

基于HMM的手势识别研究

利用可穿戴式加速度传感器采集手势动作信息,研究了基于隐马尔可夫模型的手势识别技术.首先采集手势加速度数据,采用改进的SWAB算法进行自动端点检测,通过提取相应的手势特征,利用HMM对手势指令建模,并采用K-means算法矢量量化手势特征序列,以提高手势识别性能.实验表明,本文采用的方法能够有效识别手势动作.     

Operational Gesture Segmentation and Recognition

Gesture analysis by computer is an important part of the human computer interface (HCI) and a gesture analysis method was developed using a skin-color-based method to extract the area representing the hand in a single image with a distribution feature measurement designed to describe the hand shape in the images. A hidden Markov model (HMM) based method was used to analyze the temporal variation and segmentation of continuous operational gestures. Furthermore, a transition HMM was used to represent the period between gestures, so the method could segment continuous gestures and eliminate non-standard gestures. The system can analyze 2 frames per second, which is sufficient for real time analysis.     

低温作业环境下应急救援人员局部冷损伤预测评价

为评价应急救援人员在低温环境下开展救援活动时遭受的冷损伤情况,对传统人体热生理模型进行改进,将人体模型拓展为20个分区,增加了脸部、肩部等部位,每个部位包括4层：核心、动脉、静脉、皮肤,动、静脉的血流参数由128段血管模型计算获得。基于改进的人体热生理模型,计算分析了多种低温环境工况下应急救援人员局部皮肤温度的变化规律,主要探讨分析了环境温度、风速、防护程度对手部和脸部皮肤温度的影响程度。结果表明：风速对低温环境工况人体局部皮肤温度影响显著,但随着风速的增加,影响程度会降低;较好的局部低温防护能提高人体该部位皮肤温度10℃以上;手部较脸部更容易遭受冷损伤。该研究能为低温环境下作业人员冷损伤评估提供技术支持,对低温冷损伤防控具有重要应用价值。     

一种复杂背景下的手部图像分割方法

提出了一种复杂背景下的手部图像分割方法。首先,在YUV颜色空间建立了YUV肤色模型,再利用摄像机对背景持续观测一段时间,建立背景的统计模型,然后将两种模型结合,对当前手图像进行分割,最后对分割后的图像进行形态学滤波、空洞填充与中值滤波等处理得到最终分割的手势。实验结果表明,此种方法算法简单,分割效果好,非常适用于复杂背景的手势分割与识别。     

人体上肢在水平面上运动时的轨迹重构

研究的目的是能否通过使用计算机仿真方法去重构人体上肢在水平面上做快速运动时的轨迹，通过与实验结果的比较，进而探讨人体上肢在水平面上做快速运动时的控制策略。首先建立了人体上肢在水平面上运动的生物力学模型，应用时间最优判据对 上肢在水平面上做点到点快速运动时的轨迹进行了重构，并通过实验对重构结果进行了评估。评估结果表明：时间最优判据能够重构人体上肢在水平面上做快速运动时的手的轨迹，可以认为此判据是人脑体对手臂在快速运动情况下的一种控制策略的模拟。     

基于协作机器人仿真环境的关节轨迹预测方法

安全在人机协作过程中是至关重要的,必须实时掌握人的行为信息,并进行准确高效的预测。本文基于Linux和ROS系统搭建仿真环境,通过Xtion PRO LIVE深度相机采集多组人体关节的空间位置信息,然后通过无监督学习方法对采集到的坐标点进行聚类和预测,实时更新预测模型,并基于minimum-jerk对特殊异常轨迹进行预测。为了充分保证人的安全,主要研究手部和肘部运动轨迹的预测方法。最终实验结果证明,本文所提出的分层轨迹预测框架可以很好的描述人体运动轨迹,并实时做出准确的预测,不仅保证了人体安全,而且对于提高生产效率具有重要意义。     

基于单向气动驱动器的软体手变形机理

针对软体气动驱动器的变形机理,以气动驱动软体手为研究对象,开展了基于单向气动驱动器的软体手指弯曲和摆动机理的研究。设计了气动驱动软体手,其弯曲和摆动结构均由多个相互连通的气室和一个不可延伸层组成。当相邻气室因充气膨胀而相互挤压时,气室受到不可延伸层的约束,实现了弯曲和摆动变形。为进一步考察软体手的变形机理,对620#T超弹性硅橡胶材料的非线性力学特性进行了研究,测定了其材料常系数。基于Yeoh模型密度函数,结合空间力矩平衡方程,建立了驱动压强和曲率半径的理论模型,并开展了软体手指弯曲及摆动变形的仿真研究,结果证明了理论模型的正确性。研究结果可以为其他基于气动驱动的软体结构变形机理研究提供理论基础。     

基于Kalman滤波器与肤色模型的手势跟踪方法

有效和鲁棒的手势跟踪是动态手势识别的前提,针对手势及其运动的特点,提出了结合Kalman滤波器和肤色模型的手势运动目标跟踪方法.首先通过背景差法和YCb’Cr’空间上的椭圆肤色模型检测出手部运动目标,通过目标区域的空间结构参数来设置Kalman滤波器的各项运动参数,然后计算空间结构特征的跟踪匹配函数对目标预测位置进行修正,获得运动手势目标区域及其运动轨迹.实验结果表明,所提方法能有效地跟踪手势,并能较好地适应手势在运动过程中的手形变化、轨迹转弯等情况,检测准确,鲁棒性高.     

低重叠率和弱纹理图像的快速拼接算法

图像拼接可将多张有重叠区域的小图镶嵌成一幅大图,在三维重建、增强现实以及相机应用等多领域有着广泛的应用,受到科研人员和工程机构的一致关注;但当图像缺乏纹理,或者重叠区域较少的时候,现有算法难以得到稳定的拼接效果.针对上述问题,提出了一种快速拼接算法,主要包括2个创新点.第一点,设计了基于金字塔模型的相位相关配准算法,能够处理低重叠率和缺乏纹理的场景,对光照变化不敏感.第二点,设计了新的全局优化模型,能够进一步优化结果,剔除不可靠的参数估计等问题.实验部分证明了本算法精度高、速度快,能够较好的解决低重叠率和弱纹理等问题.