基于移动终端的汉语手语识别技术研究

文中使用图像轮廓填充图形作为手语手势的特征参数进行静态手语识别。关键是提取出图像边缘轮廓,并做出轮廓填充图形,根据这个特征参数对待测图像进行手语手势的特征匹配。该方法对图像亮度、缩放、平移、旋转具有不变性,而且该方法计算简单、快速,可以用于基于移动终端（Android手机操作系统平台下）的手语识别系统。     

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.     

Android平台下智能手机业务识别

目的实现针对Android平台下应用种类繁多且更新快的特殊性,设计高性价比的自适应业务识别方案,减少业务识别规则库升级频率。方法通过抓取基于Android平台的智能手机流行软件的业务流量,进行业务识别分析。根据上述业务特征的识别分析,制定智能手机流行软件通用特征提取和识别算法。结果提出了基于新型的移动互联网的业务识别方法,设计了针对Android平台的智能手机通用的业务识别方案,以减少业务识别规则库的升级频率。结论基于应用种类繁多的新型移动互联网,根据提取业务识别特征,编写适用于不同业务的识别脚本,小规模流量的测试结果显示具有较高的精确度。     

基于Android平台的Flash播放器的设计

本文介绍了Flash播放器基本框架,研究在Android平台上设计开发Flash播放器。并通过移植Swfdec实现了Android平台上Flash播放器。     

基于深度图像和表观特征的手势识别

针对复杂环境下的手势快速识别问题,提出一种基于深度图像信息和表观特征的手势识别方法.首先利用深度图像信息从复杂环境中快速提取手势区域;然后综合手势的表观特征,建立分类决策树实现手势的识别.针对常见的8种手势在复杂背景条件下进行测试,在机器人平台下手势的平均识别率高达98.2％,速度达到25帧/s.     

基于CW-RNNs网络的手势识别算法

该文在分析表征手势特征和神经网络理论基础上,根据手运动轨迹的连续性规律来研究适用于手势识别的关键技术——基于手势轨迹模型的新型神经网络算法。针对手势识别的模糊性和准确性问题,基于手势局部区域跟踪结果,采用一种新型神经网络算法,实现用于人机交互的动态手势识别。手势识别部分的研究是采用一种新型的循环神经网络(CW-RNNs)对手势运动的轨迹进行识别。根据跟踪部分提取的手指运动轨迹坐标,定义手势模版,采用该方法对手势模版进行学习。首先定义连续动态手势模版,采用时间频率循环神经网络对手势模版进行学习,对每组孤立的动态手势模版进行学习,形成手势识别模型。对影响CW-RNNs模型的因素进行了实验验证和深度分析,通过与多层RNNs、三层RNNs的识别效果进行比较,论证了本文模型对手势轨迹模版识别的优越性。     

藏文图像文本识别在安卓系统中的应用 ——基于混合注意力机制神经网络模型

针对藏文图像文本识别在Android系统上的应用问题,提出了一种基于混合注意力机制神经网络模型(CBAM-LeNet-5)的藏文图像文本识别方法,并采用Android平台研发了APP,实现印刷体藏文文本图像预处理、字丁分割以及识别等功能.经实验,改进后的网络模型比传统的LeNet-5模型识别率提高了2.36个百分点,表...     

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.     

Android平台下人脸识别系统的研究与实现

由于目前Android平台计算能力有限,很难满足大计算量的人脸识别系统的需要,因此探索一种适合于Android平台的人脸识别算法尤为重要.采用主成分分析法(PCA算法)进行人脸检测与识别,结合预先存储样本值大量减少计算量.实验表明该Android平台人脸识别系统准确度较高.     

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。     

Android平台的套接字应用浅析

本文主要研究基于Android平台的套接字应用的相关技术,首先分析了Android平台上常用的网络通信技术的特点和适用范围,研究了套接字应用的流程和主要技术,针对Android平台需要解决的技术难点,最后建立起一个一服务器一客户端的面向连接网络应用模型,为一对多、点对点、无连接等网络应用提供了有价值的借鉴。     

基于Android的维吾尔文笔式输入识别技术研究

随着手机与互联网技术的日趋成熟,人们越来越多地将目光从个人电脑转移到了移动智能设备,同时,随着计算机识别技术的成熟,国内外的手写输入技术的研究已经全面展开,基于PC、手机、PDA等设备的手写输入软件已经从发展逐渐走向成熟。然而,目前新疆市场上尚没有商品化的手写维吾尔文新界面软件产品问世,在前期工作的基础上,本文阐述了基于An-droid平台的维吾尔文笔式输入系统研究的背景和意义,针对Android平台的特征,阐述了目前基于Android的维吾尔文笔式输入系统的研究状况。     

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。     

某小型地面无人作战平台控制手势识别方法研究

针对某小型地面无人作战平台控制手势识别率低的问题,该文提出了一种控制手势识别方法。首先,对控制手势的肌电图(EMG)信号进行预处理,提取平均绝对值、平均绝对值斜率、波长和方差4种特征构成特征集,输入支持向量机(SVM)中进行分类;然后,针对其中的相近手势引入了角速度信号和EMG信号特征融合的方法进行识别,并进行了手势控制地面无人作战平台的实验验证。结果表明,该文方法的识别率较传统Hudgins特征集识别方法提高了3.29%,在引入角速度信号后相近手势识别率提高了13%,手势整体识别率提高了5.56%。     

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。     

基于深度图像HOG特征的实时手势识别方法

手势识别是模式识别领域的一个热点研究方向。提出了一种利用Kinect传感器深度图像进行手势分割的方法,并研究了基于灰度图像HOG特征的手势识别模型;深入研究了HOG特征,分析其特征向量特点,探讨了不同特征维数对训练机的影响及处理效率;通过SVM机器学习方法实现手势的分类识别,经过对大量实验样本的优化训练,获得了最优SVM参数,并进行分析、对比识别率。本文方法维数少、识别率高、运行速度快、性能稳定,能满足实时性手势识别的要求。     

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.     

基于Zynq平台的Android操作系统移植

为了解决Zynq-7000在无操作系统情况下Processing System部分开发困难的问题,研究并给出了Android操作系统在Zynq-7000 All Programmable So C平台上移植的具体方法。通过安装交叉编译器、移植BootLoader引导程序、配置和编译Linux内核、编译Android源码、生成Android文件系统和镜像文件等步骤,完成了Android系统的移植工作。将Android系统在Zynq-7000平台启动所需要的文件拷贝到SD卡中并进行系统启动,实验结果表明Android系统移植成功,这可以使得Zynq-7000平台的开发与使用更加广泛。     

基于视觉的手势识别研究

在对基于视觉的手势识别的几个关键问题进行研究的基础上,尝试将高斯金字塔光流算法与DTW分类算法相结合,应用到动态手势识别中.实验表明,四个动态手势的平均识别率达到了94.5%.