基于手势控制的虚拟绘画室

介绍基于手势识别虚拟绘画室系统,在系统中多个用户通过分散终端佩戴相应的虚拟现实设备,进入一个统一的虚拟绘画室,在共同的虚拟画板上创作图画。运行过程中,用户通过手势直接控制绘画效果,化身动作通过实时动画技术,即时体现人物位移,有着极为强烈的体验感,是系统的最大特色。     

多模态人机交互中基于笔输入的手势识别

为研究多模态人机交互系统的理论及构造方法 ,提出了一种快速的、单笔划手势识别方法 .该方法通过提取手势轨迹的关键点及各关键点的运移方向 ,形成特征码 ,然后与标准手势符号的各种可能的特征码进行匹配 .其中方向特征用于预分类 ,而关键点位置信息用于细分类 .实验结果表明该方法速度快、识别率高 .     

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Kinect深度信息的手势分割与识别

针对手势识别对环境背景要求高、分割的手势往往包含手腕及手指靠拢易造成误识别等问题,提出了一种基于深度信息的手势识别方法。采集手势深度图;接着利用手生成器获取手心信息分割手势,为了去除多余的手腕信息,增加了手掌近似正方形的约束条件;利用扫描线法获取拇指外其它四指数,并结合相邻手指宽度比例及拇指位置的特殊性实现手势的识别。实验结果表明,该方法的平均识别率达到98.4%,实时性好,且对不同光照和复杂背景具有很好的鲁棒性。     

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%。     

重视身体语言在课堂教学中的作用

身体语言在交际沟通及课堂教学中起着传递感情信息、补充有声语言甚至"此时无声胜有声"的作用,本文就身体语言的内涵、分类及在教学中的作用进行了阐述.     

一种中国手语单手词汇识别系统

利用数据手套，视觉设备和肘部弯曲传感器作为输入设备，提出了一种基于特征匹配和信息融合的中国手语单手词汇识别系统，首先利用手姿信息和手势信息的类型判别来确定待识词所属类别，并选择相应的词库，然后根据所属类别将待识词和库中词的相应特征按一定的规则进行匹配；最后利用D-S证据理论将各特征的匹配结果进行融合，选择具有最大基本概率赋值的词汇作为输出，实验结果表明，该系统不但具有较好的实时性和灵活性，而且识别率比较高。     

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.     

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。