排序方式： 共有2条查询结果，搜索用时 62 毫秒
1
1.
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. 相似文献
2.
基于人眼视觉系统的运动图像视觉感知模拟 总被引：4，自引：0，他引：4
讨论了人眼在观看平板显示屏上运动图像时视觉失真的产生原因,并通过视觉感知实验对已有的视觉感知模型进行了修正,提出了将空间积分的影响加入到视觉感知模型中的改进方法.本文还利用该模型对一些显示屏上运动图像的视觉感知过程进行了模拟,结果表明,采用本文提出的模型获得的运动图像的视觉感知效果图更加接近人眼实际所观测到的图像.本文提出的视觉感知模型以及相关的软件模拟结果为进一步优化显示器件的驱动方法提供了评估手段. 相似文献
1