在线多线索动态手势识别

文章提出一种将运动和肤色特征相融合的多线索识别方法,利用差分运动检测降低复杂背景干扰,利用肤色在HSV空间中的聚类特性,采用多高斯模型,对每一个输入视频,将前50帧作为学习样本,在线学习出该视频的肤色分类器,解决了泛化性能低的问题;利用手势固有形状特征进行静态手势分割,采用基于仿射变换的块匹配法对动态手势进行跟踪。结果表明该算法能够较好地适应不同光照及复杂背景,同时满足实时要求。     

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。     

基于交互式多模型Kalman滤波的手势跟踪算法研究

针对任意变形手势跟踪过程中,手势运动轨迹方向发生改变时,传统滤波跟踪算法跟踪精度迅速下降的问题,提出了一种基于交互式多模型Kalman滤波的改进型手势跟踪算法。该算法在传统非机动状态空间模型的基础上增添了两个机动模型,以更加准确的描述手势的状态空间。首先采用三个不同模型分别描述不同的目标运行模式;同时,以模型匹配似然函数为基础更新模型概率;最终组合所有滤波器修正后的状态估计值以得到最优状态估计。实验对比结果表明,该算法能够取得较高地跟踪精度。     

基于关键帧和姿态描述语言的实时手势识别方案

针对现有人体动作识别方法的准确性和实时性不强等问题,提出一种基于关键帧和姿态描述语言(PDL)的实时手势识别方案.首先,利用Kinect摄像机获取手势视频帧,并通过NITE工具获得骨架关节点的三维坐标.然后,从视频序列中找出最能代表手势类型的关键帧.最后,提出一种姿态描述语言,根据关键帧中关节点的位置和角度信息,通过一系列规则对手势进行识别.实验结果表明,该方法具有较高的识别率和良好的实时性.     

多尺度模型与矩描绘子相结合的手势识别算法

提出了一种基于单目视觉的手势识别算法.通过用户初始化过程获取基本识别参数,结合视频跟踪的过程实时获取用户手势区域,在该区域内采用矩描绘子与多尺度模型相结合的方法进行特征提取,对于提取出的特征采用分类识别规则,实现对手势1～10的正确识别.经过试验证明,该算法可以适用于不同用户,识别正确率达到93.5%.     

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.     

基于DSP的手势识别电视遥控器设计

由于传统电视机遥控器的按键操作比较机械且缺乏娱乐性,设计了一种以DSP2812为核心的手势识别算法。通过将用户手势运动的信息转换成相应的红外信号,从而实现手势遥控电视机更换频道和调节音量的目的。该系统主要由双端口RAM通信的双DSP并行处理器、CMOS数字摄像头、红外遥控模块、上位机调试软件和以太网通信模块组成。实验测试表明,该系统能够实现用户手势图像的采集、手势动作的识别、红外遥控及以太网通信功能。     

虚拟装配手势库设计及人机工效评估优化

针对虚拟装配环境下,虚拟人上肢仿真设置效率低、人机工效评估不精确的问题,对手部装配动作进行分析,定义手部关节结构、手臂及手部尺寸,建立参数化的装配手势模型并形成手势库.采用模糊算法改进快速上肢评估(RULA)方法,利用梯形函数对关节角度处于临界值时的评估分值进行优化,通过规则库得出最终评估结果.采用劳损指数(S I)评...     

基于YOLO算法的手势识别

研究YOLO算法在手势识别中的应用,提升在近肤色和光线明暗不一的背景下检测的速度和精度.YOLO算法是端到端的检测方法,通过卷积神经网络自动提取目标的特征,可以大幅度提高运算速度.鉴于YOLO算法在目标检测任务中的优良表现,将YOLO算法应用到手势识别问题中.通过对YOLO系列算法的研究对比表明,YOLO算法在手势识别中具有良好表现.同时,在YOLOv3算法的快速版本YOLOv3-tiny的基础上提出了YOLOv3-tiny-T算法.YOLOv3-tiny-T在包含5种手势的UST数据集上,平均精度均值为92.24%,较YOLOv3-tiny获得了5%左右的提升.      

基于触摸自然手势的指挥所业务映射与验证方法研究

基于指挥所主流操作业务的应用需求,引入适于指挥所中人机交互的触摸自然手势,并在对完成触摸手势原语到操作任务的映射过程中,利用用户动作标记UAN（User Action Notation）完成了指挥所业务到双手触摸交互手势的映射,将UAN描述的用户操作模型转换成为通信顺序进程CSP（Communicating Sequential Processes）的形式化描述,并证明其单用户操作模型的正确性。最后以一个师级部队应急输送方案的仿真推演为例,说明了自然手势交互在指挥所操作业务中的具体应用。