基于现场评价的智能手机触摸手势工效学研究

为了提高触摸手势识别准确率,针对智能手机触摸手势工效学参数进行现场评价。首先,基于非理性用户模型提出了触摸手势现场评价因素框架;其次,设计现场评价实验,收集新手用户和经验用户在室内静坐、户外行走和公交静坐3种情境下的测试数据,得出基于使用情境修正的手势工效学参数,优化了手机触摸性能。研究表明,现场环境中用户运动状态和情绪警觉水平影响手机使用触摸性能,需采用现场情境测试修正触摸工效学参数,以提高手势识别准确率。     

基于特征联合和偏最小二乘降维的手势识别

针对以往手势识别研究中更关注识别率而弱化实时性的情况,首次将偏最小二乘降维思想引入手势识别领域,提出一种基于特征联合和偏最小二乘降维的手势识别方法。首先进行手势分割,在此基础上提取手势样本的梯度方向直方图和局部二值模式特征,并将二者进行联合。然后采用偏最小二乘法对手势联合特征进行降维,并将降维后的手势训练样本特征输入到支持向量机中进行分类训练。最后用训练好的支持向量机对降维后的手势测试样本进行识别测试。基于Jochen Triesch手势库及自制手势库的实验结果表明,同已有方法相比,本文所提方法在取得较高手势识别率的同时也取得了较好的实时性。     

基于时间序列LBP算子的手势检测

从基本的LBP算子出发,提出一种基于时间序列的分块LBP算子特征,使用该特征可以提高单目摄像头中特定手势识别的识别率.该特征主要思想是利用手势特征在视频中时间和空间的关联性来提高手势检测的准确率,从而提高整个视频序列中的手势识别率.识别的手势为特定的五指张开的手势,因为该手势是手势控制中经常出现的手势.通过测试,该算法可以在一定程度上提高特定手势的识别率.     

基于三维模型的双目手势特征提取

提出一种基于三维模型的双目手势特征提取算法.该算法使用双摄像头,在手势的三维几何模型基本框架下,将得到的几何体的旋转角度作为提取出的手势特征.使用图像的极半径不变矩对比图像之间的相似度,并用遗传算法逐代改变三维模型中几何体的旋转角度,使其最大程度地接近真实手势,克服三维重建中速度与精度之间的平衡问题.实验证明,在简单手...     

一种实时手势跟踪中的线性预测方法

针对手势视频序列中由于手势快速运动导致跟踪失败的问题,提出一种基于mean shift的线性预测方法以实现图像序列中手势实时跟踪.该方法通过提取手势肤色HSV空间中的H分量建立目标模型对运动手势进行跟踪,并针对手势快速运动的情况利用线性预测方法对下一帧中手势的起始中心进行预测,同时更新手势的目标模型以适应光照等环境的变化.实验结果表明:在手势快速运动时该方法可对目标起始中心进行有效预测,提高手势跟踪的精确度.     

基于眼动的孤独症儿童对常见手势反应的研究

通过佩戴TobiiⅡ眼镜式眼动仪,对7～14岁的30名孤独症儿童进行自然情境手势反应测试,并与7～8岁的30名普通儿童比较,探索孤独症儿童对自然情境中常见手势的反应,深入了解孤独症儿童的沟通问题。研究发现,与普通儿童比较,孤独症儿童对5个手势的反应得分均较差,两者有显著差异(F=12.799,P=0.000);在5个手势反应中,他们对"夸奖"手势反应最正确,其次是"握手"手势,而对"过来""起立""再见"手势反应较差;有语言伴随可以提高对手势的反应得分;眼动研究发现孤独症儿童和普通儿童的注视点在"夸奖"手势上差异不明显(t_夸=0.198,P_夸=0.844),在"起立"手势上有明显差异(t_起=7.464,P_起=0.000);"夸奖"和"起立"两个手势的初始注视位置有显著差异(χ~2_夸=10.214,P_夸=0.006;χ~2_起=6.171,P_起=0.046),普通儿童能注视到主要位置,孤独症儿童则不能。总之,孤独症儿童对常见手势的反应比普通儿童差,要发展其沟通交往能力,须在日常生活和课堂中配合语言并加强手势的理解与应用,同时可加强使用"夸奖"等具有积极意义的手势,以提高他们对交流对象的关注。     

基于模糊条件随机场的手势标注

在连续手势自动识别中,如果可以借助自然语言对手势进行描述,这将更接近于人们对手势认知的方法,这在一定程度上将有助于提高识别的准确性。通过使用模糊集与条件随机场相结合的方法实现了对连续手势的标注、分割。FCRF首先采用模糊集对手势进行描述,实现了自然语言对手势的描述,然后通过对条件随机场中状态和状态转移参数的修改实现了采用模糊特征的连续手势序列标注。实验结果显示,与现有的分割模型相比较,FCRF模型对手势序列标注具有较高的正确率,通过ROC特性曲线的分析,FCRF有较好的分类性能。     

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.     

基于核相关滤波的飞行员手势跟踪研究

结合飞行员操作过程中手部的运动特点,针对核相关滤波器跟踪算法在目标尺度变化和快速移动时存在的问题,提出了一种结合了手势检测与核相关滤波跟踪算法的飞行员手势跟踪方法。首先,将肤色分割与背景减除进行有效的融合,对静态手势进行快速检测。然后,使用KCF算法对定位的手势区域进行跟踪以获取手势实时位置和轨迹。跟踪过程中比较手势检测与手势识别所得到的手部信息,当出现偏差时对搜索框进行更新。从而实现有效的手势检测与跟踪。实验结果表明,该方法可以实现对飞行员变形手势快速、准确的实时跟踪,对部分遮挡和尺度变化有很好的适应性,能够满足后期飞行员手部行为分析的要求。     

Android平台上手势控制照相系统的实现

本文研究了Android平台上的照相机制,通过采用了基于Hu矩和支持向量机的静态手势识别技术,可实现在复杂背景下对手势进行实时辨别,最后将研究设计的手势识别算法成功地应用到了Android平台上的手势控制照相系统中。     

基于核相关滤波和多特征融合的飞行员手势跟踪

结合飞行员操作过程中手部的运动特点,针对核相关滤波器跟踪算法在目标尺度变化和快速移动时存在的问题,提出了一种结合了手势检测与核相关滤波跟踪算法的飞行员手势跟踪方法。首先,将肤色分割与背景减除进行有效的融合,对静态手势进行快速检测。然后,使用KCF算法对定位的手势区域进行跟踪,以获取手势实时位置和轨迹。跟踪过程中比较手势检测与手势识别所得到的手部信息,当出现偏差时对搜索框进行更新,从而实现有效的手势检测与跟踪。实验结果表明,该方法可以实现对飞行员变形手势快速、准确地实时跟踪,对部分遮挡和尺度变化有很好的适应性,能够满足后期飞行员手部行为分析的要求。     

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.     

车载手势识别中基于小波变换和双边滤波的图像去噪方法

手势识别是人机交互中的重要研究领域,车载手势识别系统可以减少驾驶员手动操作仪表导致的分心,提高驾驶安全性。受光照变化、汽车环境、摄像头成像质量等各因素的影响,车载手势图像中常会存在大量复杂噪声。这些噪声严重影响后续手势分割、特征提取和手势识别的准确性。针对手势图像中存在的噪声问题,本文提出了一种适用于车载手势图像处理的新方法。该方法先对小波分解后的各高频子带采用不同方向的一维非线性扩散滤波处理得到初步去噪手势图,在此基础上用多尺度双边滤波对图像再次处理。实验结果表明,本文方法可以较好地去除车载手势图中噪声,抑制车载手势图细节的模糊。      

排球裁判手势操的创编及应用

文章结合排球竞赛中裁判工作的特点,大量参阅了各类手势操编排的案例,遵循广播体操编排的原则和规律创编了二十节排球裁判的手势操。该操在新疆师范大学体育学院十个年级近三十个班级的排球专修、普修课中进行了推广应用,根据反馈并进行改进。实践证明本套排球裁判手势操具有简单易学、设计合理、趣味性强、便于推广的特点。对于学生掌握排球裁判的基本手势、手势与哨音的配合及临场执裁等方面都有积极的作用和良好的效果。     

基于数据手套和神经网络的数字手势识别方法

针对使用数据手套进行数字手势识别时存在个体差异的问题,使用弯曲电阻片设计了数据手套并提出了基于神经网络的数字手势识别方法.首先,在分析测量电路原理的基础上结合弯曲电阻片的特性优选了电路参数,使手指弯曲角度测量的灵敏度最大化.其次,针对用户在手指长度、手势习惯上存在个体差异的情况,提出了一种基于弯曲信号自学习和广义回归神经网络(GRNN)的数字手势识别方法.数据手套信号测试及数字手势试验结果表明,采用优选的电路参数时测量电路的输出振幅最大;在全体评估试验和个体交叉评估试验中,经过自学习预处理后的数字手势识别平均准确率分别为99.2%和96.1%,与未进行自学习处理的识别结果相比分别提高了2.8%和10.7%.在全体评估试验和个体交叉评估试验中,GRNN的识别结果均优于决策树的识别结果.     

基于栈式稀疏自编码多特征融合的快速手势识别方法

针对复杂背景下手势分割提取效果不佳、图像识别率不高、识别困难等问题,研究多特征融合的快速手势识别方法.利用YCbCr颜色空间模型,构建肤色分布模型,从复杂背景中去除大部分非肤色的干扰,从而实现手势分割;接着采用5层栈式稀疏自编码网络框架,分别提取手势感兴趣区域（region of interest,ROI）的纹理图像、形状图像和显著视觉图像作为自编码网络输入,将提取到的不同类型的特征进行线性融合;最后使用基于径向基核函数（radial basis function,RBF）的支持向量机（support vector machine,SVM）分类器进行融合特征数据分类,从而实现不同类型的手势识别.实验结果表明,相比其他手势识别方法,本文方法识别率较高,提取特征更具有代表性,平均识别率可达95.05%.      

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.     

基于改进NanoDet和GRU的交警手势识别研究

无人驾驶车辆对道路交通指示牌以及信号灯具有良好的识别效果，但在交警手势识别方面还有进一步发展的空间。当交警和交通信号灯同时在场以指挥复杂的路况时，能够识别出交警手势并根据交警手势优先做出判断尤为重要。考虑到车载设备的性能限制，使用了改进的NanoDet以保障实时从画面中提取人群中的交警区域，将注意力机制和GRU相结合，提高了该网络对交警手势的识别精度。设计了一种并行的运行架构，提高了交警手势智能识别系统的整体执行效率。     

基于自然用户界面的手势交互方式思考

随着技术的发展,CPU的处理能力已不是制约计算机应用和发展的障碍,关键的制约因素是人机交互技术,自然直观的人机交互方式成为用户体验设计发展的必然趋势。手势交互这一适应自然用户界面趋势的交互方式,正逐渐受到大家的重视。但在现实使用中,手势操作仍存在一些问题,如操作的不可见性、缺少统一的规范和标准、缺少反馈等。本文力求通过对自然用户界面的思考,对界面隐喻、操作反馈等的研究,找出使手势操作更加自然、更加易于理解的方法。