基于深度学习的无人机人机交互系统

现行的无人机控制(UAV)主要依靠专业的设备,由经过专业训练的人来完成.为了更方便的人机交互,本文提出了一种基于双目视觉和深度学习的手势控制无人机(HRI)方法.用双目视觉提取深度图,跟踪提取人物所在区域并且设置阈值将人物与背景分离开来,从而得到只含有人物的深度图.其次,通过对深度图序列的处理并叠加,将视频转换为同时含有时间与空间信息的彩色纹理图.本文用深度学习工具Caffe对所得到的彩色纹理图进行了训练与识别,根据识别结果生成无人机的控制指令.本文所述方法在室内和室外均可使用,有效范围达到10,m,可以简化无人机控制复杂度,对促进无人机普及及拓展无人机应用范围都具有重要意义.     

水文响应指数及其在TOPMODEL参数区域化中的应用

提出一个描述流域单元地表特征的指数,该指数由TOPMODEL的地形指数(TI)和SCS的径流曲线数(CN)组成.以黄河中游的洛河流域为研究区,应用遥感和地理信息系统技术构建了水分响应指数(HRI),在分析其地学意义的基础上,提取了流域的水分响应单元(HRU).应用TOPMODEL率定了模型参数,建立了HRI和单元特征与主要模型参数的统计关系.利用该关系反演的参数验证流域的径流模拟,取得了较好的效果.试验结果表明,该指数可以用于流域的空间离散和水文模型参数的区域化分析,为资料缺乏地区的水文模型参数移用提供了新的方法.     

基于USB接口的电路板检错笔系统固件程序开发

介绍了应用Philips公司的接口芯片ISP1581来开发基于USB(Universal Serial Bus)接口的电路板检错笔系统的过程,详细介绍了设备固件程序的开发流程.     

FPGA在高分辨率感应测井仪中的应用

高分辨率感应测井仪 (HRI)是一种正在研制的应用感应原理测量地层电阻率的精密仪器 .它在信息处理方面采用数字相敏检波法分离接收信号的实部和虚部 ;在硬件实现上采用数字运算能力强大的 DSP和高速高精度 (1 6 Bit,5 70 k SPS) A/D,还利用 FPGA(现场可编程门阵列 )控制所有的时序和工作状态 ,采用同一时钟源 ,可以保证发射信号和接收信号绝对同步 ,而且没有累计误差 ,能够达到很高的精度 .针对高分辨率感应测井仪 (HRI)介绍了采用 FPGA的硬件实现方案 ,具有一定的实际意义     

语言水平和手势语类型在二语叙事中的作用

通过定量分析考察了具体指示手势是否与话语有着不同的联系,以及这种联系是否受说话者语言水平的影响.两组有着不同英语水平的被试用英文讲述故事,其话语和手势被转录和编码.结果表明,较高水平的被试为指称产出话语中未详细说明的具体指示手势和在话语中详细说明的标志性手势,说明这两种类型的手势与话语有着不同的语义联系;另一方面,无论指称在话语中详细说明与否,较低水平的被试都产出具体指示手势和标志性手势.可见解释手势和话语如何运用于二语叙事时,两种类型的手势和说话者的语言水平都需加以考虑.     

基于时频特征的Wi-Fi手势识别技术

随着人工智能的快速发展,手势识别已经成为重点关注和研究的对象,利用Wi-Fi信号进行手势识别的技术无需额外的设备以及光照的条件,逐渐成为手势识别的主流.针对传统基于时域统计特征的方法,将经过噪声抑制后的信号进行短时傅里叶变换(short-time Fourier transform,STFT)构建手势信号的频域特征,结合时域和频域特性选择动作持续时间、频谱熵等特征作为特征值,采用支持向量机(support vector machine,SVM)的分类方法对特征值进行训练并完成手势识别.实验结果表明,在复杂的室内环境与室外空旷环境均能有效对手势进行识别,手势的识别率达90％以上.     

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.     

基于点上下文描述子的三维手势轨迹识别

提出了一种基于曲率窗的点上下文描述子的三维手势轨迹识别方法,该方法通过采用曲率窗选取手势轨迹的上下文点,既有效地降低了描述子的维度,又提高了对三维手势轨迹的识别率.首先,计算三维手势轨迹上所有点的U弦长曲率;然后,选取曲率最大且相互分离的点作为手势轨迹的上下文点;最后,将每个轨迹点与上下文点之间的欧氏距离作为该点的特征向量.采用上述方法提取三维手势轨迹的形状特征,支持向量机(SVM)用于分类识别.实验结果表明:该方法对澳大利亚手语数据库(ASL)中任意8类三维手势轨迹的平均识别率达到92.98%,并且识别结果具有旋转、尺度、平移(RST)无关性.     

基于嵌入式Linux系统的MiniGUI的移植与应用

随着嵌入式系统的快速发展,许多嵌入式系统都有适合其要求的图形用户接口(GUI)的需求,MiniGUI是目前应用比较成熟的嵌入式Hnux系统的图形用户界面.分析了MiniGUI的主要特征、分层结构及其软件的基本架构特点,详细介绍了对MiniGUI进行移植的开发过程.给出了使用MiniGUI进行图形用户界面设计的主要流程和方法.     

基于ARM嵌入式系统的图形用户界面控制方法

论述了嵌入式系统及人机交互技术的现状与发展,提出一种新颖的人机交互输入接口的思路和方法.在基于ARM[A dvanced R ISC(reduced instruction set com pu ter)M ach ines]嵌入式系统中,移植了μC/O S和μC/GU I,利用加速度传感器ADXL 105实现手势动作对图形用户界面中的菜单进行控制,从而实现人机交互输入.该研究改变了传统的输入方式,为以后人机接口的发展探索出一条新的途径.     

基于多特征HMM融合的复杂动态手势识别

针对基于体感控制器(leap Motion)的手势识别方法通常无法识别复杂的动态手势问题,提出一种基于多特征隐马尔科夫模型(HMM)融合的动态手势识别方法.首先,根据手的移动速率,从连续数据中分割出有效手势,均匀采样得到数据帧;然后提取手掌姿态、手指弯曲度、手指分开度和运动轨迹四类特征;最后用K-means聚类后的特征序列建立四类单特征HMM.在手势识别阶段,计算并融合未知手势序列在四个单特征HMM下的发生概率,选择概率最大手势为识别结果.实验结果表明:所设计的特征能充分表达动态手势,提出的方法能有效识别复杂动态手势,且识别实时性良好.     

单手交互中手持设备正面和背面手势输入的对比研究

针对单手手持设备交互,对比了在设备正面进行手势输入(单手拇指方式)和在背面进行手势输入(单手食指方式)的表现异同。通过5种手势特征(绘制时间、手势尺寸比、闭合手势起点与终点的距离、形状距离、绘制手势与目标手势之间的指示角之差)对实验数据进行分析,结果表明正面拇指比背面食指输入手势要快而且准确。但在某些特征细节上,例如闭合手势起点与终点的距离和指示角差特征,表现相当。手势的输入方式(正面拇指与背面食指输入)与手势复杂度和目标手势尺寸在若干特征上(如绘制时间)有交互效应。这些研究结果为手持设备背面手势交互设计提供了相关指导。     

基于实时操作系统μC/OS-Ⅱ的嵌入式GUI设计实现

详细阐述了基于小实时内核μC/OS- 的轻型嵌入式图形用户接口(lwGUI)的设计思路,结构框架,以及具体的内核实现.介绍了lwGUI与μC/OS- 之间接口驱动程序的编写,事件同步机制的应用.并且介绍了将lwGUI移植到基于S3C44B0XARM7微处理器的目标平台的过程和相关设备驱动设计.     

基于混合高斯模型的非固定握持姿势手势识别

针对手势识别研究中普遍要求用户以严格固定方式握持数据采集设备,致使用户体验差的问题,使用混合高斯模型(Gaussian mixture model,GMM)对非固定握持姿势的手势识别算法进行改进,以提高手势人机交互时的舒适性.首先通过GMM从加速度传感器数据中提取用户握持姿势数据,然后借助握持信号实现手势命令数据提取与坐标转换,使识别系统能够自适应不同的握持姿势.为使GMM可以同时满足手势识别应用中对稳定性和适应速度的要求,优化了GMM的学习机制,包括增加备则模态和改善优先级计算.实验结果表明,所述系统在滚转角和俯仰角+60°~-60°、偏摆角+20°~-20°范围内,握持姿势对手势识别正确率没有明显影响,实现了非固定握持姿势的手势识别,起到了提高用户体验的作用.     

基于DSP的自动指纹鉴别算法与系统设计

介绍了一种基于TMS320VC5402来构造指纹鉴别系统的方法.详细论述了系统的各个组成部分以及指纹鉴别算法的实现流程,结合VC5402的指令集和自身结构特点,讨论了如何高效的设计应用程序的方法.本文对如何将DSP的主机接口(HPI)改造成通用输入输出口(GPIO)、将多通道缓冲串行口(McBSP)设置成SPI接口进行了详细的说明,对数据图像处理需要较大空间而DSP可寻址的数据空间又过小的矛盾,提出了切实可行的解决办法.     

脑-机接口技术综述

脑-机接口(brain computer interface,BCI)是在人脑与计算机或其它电子设备之间建立的直接的交流和控制通道,通过这种通道,人就可以直接通过脑来表达想法或操纵设备,而不需要语言或动作.脑-机接口是一种全新的通讯和控制技术.对脑-机接口技术的发展、研究现状、工作原理以及涉及的关键技术进行了较为详细地综述.     

浅谈数据存储技术及应用

本文扼要介绍了存储接口和存储架构,并详细阐述了存储区域网络(SAN)的概念、技术和组成架构及在城市数字视频监控系统中的FC SAN应用。     

基于深度信息与DBN的手势检测与识别

提出基于深度信息与深度置信网络(DBN)的手势检测与识别算法.首先通过Kinect提供的深度信息定位手势区域,并找出手势区域的方向线,根据方向线的角度把手势旋转成垂直向上.结合手掌形状特征实现手势分割得到二值化的手势图像.在此基础上,利用深度置信网络进行识别.通过深度信息,去除了复杂背景的干扰.利用方向线使得手势具有抗旋转性.利用深度置信网络无需其他特征提取.实验结果表明,本文检测手势区域准确,计算量较小,能够快速地实现手势识别,并能够获取较高的识别率.     

彩色等离子体监视器多功能接口电路的设计

本文针对彩色等离子体监视器(彩色PDP)设计一种适合多种信号输入的接口电路.尤其针对PDP在现代电视监控中的应用,除了具有计算机信号接口、亮、色分离信号(S-VIDEO)接口、数字视频信号接口等电路外,还专门设计一种适合电视监控系统中多路视频全电视信号同时输入,多路画面分割显示的接口电路.     

基于深度图像的手势识别综述

手势是一种自然直观的人机交互方式,手势识别是新一代人机交互中的重要技术.深度图像可以方便的实现前景和背景的分割,提高手势识别的性能.从人手分割、特征提取和手势识别三个方面介绍了基于深度图像手势识别的研究现状及其应用,并对其中存在的难点展开讨论.