基于实体用户界面的智能手机直觉化交互方式

以智能终端上的交互方式为研究内容,针对智能手机的有形实体交互问题,提出智能手机上的直觉化视窗式交互方法,解决移动终端上由于沿用桌面式图形用户界面交互范式而造成的操作低效与不便的问题,设计并实现了一种基于实体用户界面的手机读图系统Emagn,最后通过实验验证了该方法在交互效率与认知上较传统触摸手势交互方法均有所提高。     

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Leap Motion的三维自由手势操作

基于Leap Motion设备,提出了用自由手势控制三维模型变换的新方法,并设计了三维操作的手势库。通过低成本的Leap Motion实时获取手部运动的帧数据,用基于规则的分类和基于监督式学习的分类相结合的方式,实现了单手和双手操作三维模型的平移、旋转和缩放。为了提高手势识别的准确率和连贯性,在动态识别过程中,引入了预处理和后置处理模块,识别准确率达到95.59%。用户测试的结果表明,用户对新的交互方式接受度较高,操作结果符合用户的预期,在可用性和满意度方面表现良好。     

基于XML的用户界面动态生成框架的设计与实现

分析了传统用户界面开发存在的问题,提出了基于XML(Extensible Markup Language,可扩展标记语言)的用户界面动态生成框架.用XML文档来描述界面信息,通过解析XML动态生成界面控件,再将控件插入到网页中的特定位置,从而动态生成用户界面.该框架降低了界面开发的繁复性,提高了开发效率.     

多媒体系统中多通道用户界面的研究

多媒体系统表现为在计算机控制下产生、操纵、存储和传送信息,侧重于信息的表现.多通道系统则力求对语义的理解,将用户输入的原始信息进行解释、分析和综合,侧重于对信息的理解和解释.多通道用户界面是一种重要的人机接口技术,它基于智能接口技术,充分利用人的多种感觉通道和运动通道,以并行、非精确方式与计算机系统进行交互,旨在提高人机交互的自然性和高效性.文章主要介绍了多通道用户界面的特点,对多媒体系统中多通道用户界面的关系及模型、多通道交互设备、用户界面的描述方法等进行了研究.     

浅谈智能手持设备产品界面设计

随着智能手机、平板电脑等移动产品技术的飞速发展,智能手持设备的整体设计也在不断改进。本文简要的阐述对于典型的交互式智能手持设备产品,怎样能满足用户的需求,加强用户体验。并列举其界面设计的要点与设计中的注意事项。     

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...     

基于无线小型设备跨平台用户界面结构设计的研究

针对用户对消费类设备的需求,提出了一种无线小型设备跨平台用户界面结构的设计方法,介绍了结构图,设计原理及其工作过程。     

基于手势识别的大屏幕文字输入系统

目前基于手势交互的系统应用越来越多,但都是简单的利用手势操作鼠标进行交互,没有向系统进行文字输入的功能。利用盲人字母手势作为输入手势,采用微软的体感设备Kinect获取深度图像,对其进行手势分割,再利用SIFT提取特征,得到手势字母,利用拼音输入法,提供了一种向系统输入汉字的功能。     

基于美感模型的人机用户界面设计

介绍了多媒体用户界面的基本功能,并从文学、色彩、音乐、构图等美学角度提出了几种可行的解决方案.     

基于深度数据的手势识别研究进展

手势是人机交互的重要手段之一。基于视觉的手势识别具有非接触式交互的特点,在人工智能领域得到越来越广泛的应用。然而,受到传统二维光学摄像头的限制,采集到的手势图像质量极易受到光照和杂散背景的影响,这给手势的提取带来了重大挑战,严重制约了基于视觉的手势识别的实用化进程。近年来,深度摄像技术的兴起,为解决上述问题带来了新的机遇。在深度数据的辅助下,基于视觉的手势识别新方法层出不穷,识别的准确度不断提升,有力地促进了基于视觉的手势识别系统的实用化进程。在此背景下,从数据的角度出发,分深度数据的获取、常用手势数据集和基于深度数据的识别方法 3个方面介绍目前基于深度数据的手势识别研究的最新进展,并对其未来发展做了进一步的展望。     

基于symbian操作系统的智能手机语音拨号用户界面实现

基于Symbian操作系统, 在VC＋＋6.0编译环境中实现了智能手机的语音拨号软件用户界面.通过对软件的编译以及模拟器仿真,证明了程序设计的正确性.利用蓝牙数据线和红外的方式,将程序下载到手机平台上,验证了该方案的可行性.     

基于Zigbee和加速度传感器的民族手势识别系统

本文论述了一种基于Zigbee和加速度传感器的民族手势识别系统。该系统通过6个加速度传感器采集手势信息,利用Zig-bee无线网络进行数据传输,结合识别算法识别动作者的手势信息,并通过液晶屏显示出来。实验结果表明,本系统能准确快速识别单手势静态民族手势语,自动判断下一手势的起始,并通过抖动滤波处理减少了误差。     

一种基于改进结构的级联手势回归算法

基于手势特征和回归算法,通过改进传统的3D手势级联回归算法学习效率低的缺陷,提出一种新的基于手势变化特征的手部结构特征算子,有效减少了手部特征算子的维度,并对传统级联回归器进行了适应于手势变化的结构改进,使其针对手部结构的识别效率显著提高.在公开数据库及自建数据库分别进行实验,实验结果表明,该算法在保持手势识别准确度的同时,能有效提高执行效率.     

基于方向链码的书空手势识别

介绍了Leapmotion交互设备的结构及运行机制,在该设备产生的交互空间中的x-y平面上定义8个方向的方向链码,通过该设备检测手指在空间中的位置变化,确定手指的移动方向,并结合方向链码定义动态书空手势。为了消除手指在空间运动的不稳定性而导致的噪声干扰,将手指在平面上的位置信息映射到计算机屏幕上显示出手指的移动轨迹,对轨迹进行分段处理,根据分段的比重提取主要移动方向描述输入手势,采用顺序匹配算法对输入手势与模板手势进行匹配,识别输入的书空手势。     

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。     

基于表观特征的手势识别

本文通过对手形的分析,首先利用手形表观特征进行手形的定位和初步特征提取.接着结合手部解剖和运动学特征,提出预测模型对手形进行深层次的特征提取,利用向量相干映射进行轨迹跟踪,从而通过轮廓的轨迹识别语义,其中的算法保证了处理过程中的鲁棒性.     

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。     

基于傅立叶描述子-BP神经网络的手势识别方法

针对手势识别中人手是复杂变形体,手部特征描述容易受到环境因素影响的特点,提出了一种基于傅立叶描述子-BP神经网络的手势识别方法.首先根据YCbCr和Nrg肤色模型的互补性以及背景模型有效去除复杂背景中的类肤色的特点,利用多特征相融合的手势分割方法提取手势区域;然后结合傅立叶描述子具有较好的轮廓描述能力和BP神经网络较强的自学习能力,利用傅立叶描述子-BP神经网络方法对手势进行识别.实验结果表明此方法具有较好的鲁棒性和较高的识别率.