基于时间序列手势轮廓模型的动态手势识别

针对动态手势在时间尺度上的多变性和复杂性,提出了一种动态手势识别框架.该框架利用时间序列上提取的手势轮廓构造动态手势轮廓图像,获得不同动态手势在不同时间尺度下其轮廓图像的均值图像和方差图像,并将这些图像用于构成动态手势轮廓模型库,在此模型库基础上,利用相关信息方法和改进的动态时间规整方法完成动态手势的识别.实验结果表明,文中提出的动态手势轮廓模型对不同时间尺度的动态手势具有较强的鲁棒性,改进的动态时间规整方法较传统方法具有更高的识别率.     

交警手势的图像处理与识别

提出了一种基于交警手势识别的交通灯控制方法.该方法首先对彩色摄影机采集的交警手势图像进行预处理,包括彩色图像平滑、彩色图像增强;其次利用边缘检测和图像分割方法对目标图像进行分割,由于图像受噪声干扰严重,采用Sobel算子消除噪声;再次将分割得到的目标轮廓进行表示与描述,为图像的识别作好准备;最后结合图像的轮廓特征对图像进行识别,采用了模糊模式识别方法.试验结果表明,该方法能够实现对交警手势准确的识别.     

面曝光快速成形系统中掩模图形的生成方法

针对STL模型生成掩模图形的问题,从现有的STL模型切层软件中获取轮廓数据,使用VC++6.0实现轮廓环内外轮廓属性的判断、轮廓环填充次序的确定和轮廓环的填充,得到适用于面曝光快速成形系统的掩模图形.验证结果表明,该掩模生成方法可对多层嵌套的轮廓环进行合理填充,生成正确的掩模图形.     

基于OPENCV的手势识别的实现与应用

本文主要对静态手势识别的技术存在的各种方法进行了相应的分析与探讨,而在这个基础之上实现与设计了一套先进的静态手势识别系统。而该系统主要分为手势的分类、图像的预处理、分类器的设计与样本的训练以及特征的提取四个模块。而该系用在运行时,首先从文件夹中读取图像部分,其次在经过图像的预处理模块得到手势的轮廓图像以及二值图像,最后在对轮廓图像与二值图像这两幅图对手势进行相应的特征提取,并且采用贝叶斯分类器对这个手势进行分类识别。     

基于GMM-HMM的静态手势识别

提出了一种基于混合高斯模型的隐马尔科夫模型(GMM-HMM)与手势轮廓特征的单幅手势图像识别方法,该方法采用YCr Cb空间阈值处理对手势图像二值化处理,针对理想感兴趣区域提出了一种还原最上层轮廓的新型轮廓算法.将每类手势轮廓特征作为HMM的观察值分别训练对应手势的HMM参数,建立所有手势的HMM模型.分别用Viterbi算法计算测试集数据与每个模型的条件概率来获得识别结果.实验结果表明,该方法不仅对手势库内的特定人的静态手势识别具有较好的效果,且对提取的其他人的静态手势图像识别率也较高.     

一种基于改进的SURF算法的静态手语字母识别方法

结合Kinect传感器提出一种改进的SURF(speeded up robust features)算法进行静态手语字母识别的方法。Kinect传感器采集深度图像进行手势分割可以克服光照变化、复杂背景带来的干扰;改进的SURF算法对实时图像与模板图像的积分图进行计算分析,提取两者的SURF关键点描述符,采用最近邻匹配算法对SURF算法自有的快速索引匹配的结果进行优化,克服了角度旋转变化对手语字母识别率的影响。实验证明,该方法在应对光照变化、复杂背景、角度旋转方面有很好的鲁棒性,平均识别率为97.7%。     

融合Kinect与GVF Snake的手势轮廓提取方法

针对Kinect相机在人体骨骼点采集时无法获取手势信息的不足,提出一种融合Kinect和GVF Snake的手势轮廓提取算法,可以提取出完整清晰的手势轮廓。此算法利用Kinect相机在人体信息采集中的优势,获取深度图像,定位手掌点与手腕点,由这两点计算手的旋转修正角度。以手掌点向外做八向搜索获取手掌包围盒切分出手区域。最后在包围盒上放置Snake初始轮廓线,通过GVF Snake模型迭代搜索,获取目标准确完整边界。对于深度图像在边缘数据急剧变化时出现的抖动、凹陷等缺点,选择先构建轮廓线再收敛的GVF Snake算法保证手势轮廓完整平滑。实验结果表明,该方法能够自动放置GVF Snake初始轮廓,准确跟踪手位置、精确收敛到手势轮廓,抗噪效果明显。     

基于HMM SVM的中国手语识别研究

提出了基于隐马尔可夫方法的中国手语识别方法,通过对于手势的取像,图像处理,降维技术,通过应用Sugeno模糊积分,图像处理技术是计算机图形学识别的基本步骤,采用直方图的特征可以将手型的区域从背景中分离出来,然后通过降维处理,将得到的手部图像去除手部以外的区域,从而得到手的轮廓;使得不携带其他相关手套工具,达到静态简单手...     

基于OpenCV的数字静态手势的匹配识别研究

手势识别成为了一种新型的人机交互手段,对于社会生产和日常生活都有着非常重要的研究意义。以OpenCV为基础,通过HSV色彩模型来分割手势,用Canny图像边缘检测的方法来绘制手势轮廓,建立在图像的Hu不变矩来进行模板匹配,对常见的数字静态手势进行实时的分类识别。结果表明,基于OpenCV的静态手势识别技术达到预期效果,准确率达92%。     

n链码对异形纤维特征参数的作用

通过n链码对图形特征参数影响的研究,讨论了n链码对异形纤维轮廓的平滑作用以及不同的n取值对轮廓曲线的不同平滑效果.通过面积误差、周长误差以及轮廓相似度3个误差模型,分析了6种标准几何图形在不同的n值作用下轮廓的失真,讨论了n的计算方法,并在异形纤维识别应用中对该计算方法进行了验证.     

基于Kinect深度图像信息的手势分割和指尖检测算法

为克服传统二维彩色图像处理算法易受周围环境、光照变化、背景等因素的影响,提出利用Kinect深度图像信息,实现一种快速鲁棒的手势分割与指尖检测算法。首先,根据Kinect得到的深度信息对非人体部分图像进行筛选,得到包含人手的人体图像;然后对当前得到的人体图像进行直方图分析,计算能够区分人手与非人手的阈值,并通过该阈值对人体图像进行分割得到人手图像;最后,对人手图像进行形态学处理,计算掌心位置,并提取手部轮廓,结合人手轮廓关键几何特征对指尖进行有效检测。实验表明,该方法能够实时、有效地对指尖进行检测。     

纱线毛羽特征参数提取算法研究

提出了用于对纱线毛羽特征参数提取的多区域轮廓跟踪算法,该算法是在链码法轮廓跟踪算法的基础上,对跟踪方向进行调整,并对已跟踪完成的纱线区域进行区域填充.实验表明,该算法不但可以对任意条纱线进行轮廓跟踪及特征提取,而且得到的边界曲线封闭连续,只有单像素宽,提高了特征提取的效率和精度.     

一种快速手势识别算法的实现与验证

基于大多数的手势识别算法,需要提取高维度的特征,限制了手势识别在实时系统中的应用。文中针对这种问题,提出一种快速的手势识别算法。首先,在原始图像上提取轮廓块边缘对目标区域进行分割。其次,提取目标区域的形状特征。然后,在数据库中,对每种手势只记录一幅标准的参考图像。最后,通过比较参考图像与待检测图像中的手势特征,来匹配和标记手势的含义。实验结果表明,文中提出的快速算法能够准确地识别手势。     

人机交互过程中数字手势的识别方法

为了获得简单、高效的数字手势识别方法,增加使用者舒适的体验,提出一种基于Kinect融合深度信息和骨骼信息的数字手势识别方案.首先,使用Kinect进行深度数据的采集,建立深度图像;其次,结合骨骼追踪系统,提取人体轮廓,运用深度阈值法从轮廓中分割出手部区域,并进行二维图像的重建;再次,利用手腕和手掌骨骼点准确分割出手掌区域,并运用图像形态学开运算进行处理,得到不含手指的图像,进而提取掌心坐标;最后,计算半径,确定掌心圆,采用圆的边界和手指相交次数的方式识别手指个数.实验结果表明:数字手势识别方案能够准确、高效地识别数字手势.     

无线遥控车中的手势识别技术

人机交换技术已成为日常生活中一个重要部分。比如,汽车导航技术,医疗器械的设计,游戏娱乐,人脸识别,指纹识别等等技术都体现了人机交换的重要性。又由于手势是包含信息量最多的人体语言。因此,本文主要研究手势的识别,尤其是应用在无线遥控车中的手势识别技术。系统实现的重点和难点在于PC机的手势识别部分。基于遥控车的设计,本文对手势识别技术方案设计如下：在手势建模方面,采用基于表观的手势模型;在手势分析方面,从原始图像中抽取的轮廓、边界、图像矩确定采用的手势特征;在手势识别方面,采用模板匹配的方法进行识别。     

粗糙集理论在中国手语合成中的应用

粗糙集理论是处理模糊和不确定知识的一种重要工具,约简是它的核心方法之一．在人机交互中,手势交互的难点在于手势表示的复杂性和逼真性,在将粗糙集理论应用于中国手语合成中,利用约简发现了手运动中的一类约束,降低了手语表示的复杂性,也增强了手语合成的逼真性．     

一种基于偏微分方程和Canny算子的图像分割方法

边缘轮廓的分割与提取是基于图像处理方法检测线束端子压接质量的前提。针对传统图像处理方法自动提取线束端子截面边界轮廓不准确的问题,以偏微分理论为基础,结合Canny算子边缘检测方法,提出一种基于偏微分方程和Canny算子的边缘检测模型。利用卷积边界自动填充图像边界,通过梯度非极大值抑制选择阈值最大化区分目标和背景。理论研究和实验结果表明,该模型不仅能比较准确地检测图像边缘轮廓,而且对噪声、模糊有一定的抑制作用。该模型已经应用在线束端子断面轮廓自动测量系统中并准确地提取边缘轮廓。     

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。     

基于深度卷积神经网络和支持向量机的手势识别算法

为了提高手势识别的准确率,提出一种基于深度卷积神经网络和支持向量机的手势识别算法;将包含手势的图像进行手掌轮廓分割及手指关节特征提取,经过去噪后获得准确的手势图像,然后通过卷积与池化获得手势特征样本,采用神经网络算法对输入特征样本进行训练,并对全连接层各节点的输出结果进行支持向量机多元分类,从而获得手势识别结果;在差异化设置条件下,通过对比手势识别的平均准确率和识别时间,可获得最优的卷积核尺寸及池化方法。仿真实验结果表明,相比其他3种识别算法,所提出的算法具有更优的识别准确率。     

基于Snake模型与轮廓跟踪的区域填充算法

针对图像中外形复杂的孔洞填充问题,提出一种基于Snake模型与轮廓跟踪的区域填充算法对复杂孔洞进行填充。首先,对二值图像进行检测求出内部边界的像素点,并对其坐标进行保存。其次,通过轮廓跟踪法求取每个轮廓边界的所包含的像素位置。再次,通过将这些边界作为Snake模型的初始曲线,在其内力和外力的指导下,填充内部孔洞。最后,利用Snake模型与轮廓跟踪删除边界外存在的多余部分。通过MATLAB实验本文提出的算法,证明可以填充外形复杂的多孔区域,提高了填充精度。