简介:摘要:随着科技的发展、时代的进步,手势识别技术已经由理论阶段慢慢转变成产品落地阶段。但之前普遍研究都采用普通摄像头来获取手势手部特征与运动轨迹特征而无法获取深度三维特征,因此本文采用LeapMotion深度相机进行动态手势识别,通过使用LeapMotion采集动态手语数据并使用HMM模型完成动态手势识别判定。
简介:摘要此系统采用的有别于传统控制方式的手势控制,通过不同的手势状态可以对小车的运动及机械臂的动作进行控制。实时视频传输功能可以方便人们对小车现场的观察及操作。手机作为现在生活中的必需品,故采用手机作为视频的接收端,可以在手机上直观的观看视频画面。整个系统采用网络传输的方式,适应了现在的物联网趋势。该系统具有控制方便灵活的特点。通过实物的制作,该系统可以进行远距离的工作要求,并且在网络好的情况下可以实现实时操作,在手机上也可以对视频进行方便的观看具有实用价值和商用价值。
简介:摘要: 手势识别归属于人工智能领域中的模式与视觉识别,指在自然的人机交互状态下计算机识别人类手势的技术。本手势识别系统,使用了Meidapipe的holistic模型,得到10335条训练数据,模型训练效率和准确性都得到显著提高,模型的准确率提升到了99.81%。通过尝试4种训练模型:LogisticRegression、RidgeClassifier、GradientBoostingClassifier和RandomForestClassifier,选择精度最高的RandomForestClassifier,保证了识别准确率。将这一识别精度高的手势识别系统应用于多媒体教学中,增强多媒体教学的灵活性。
简介:首先采用基于混合高斯模型与椭圆肤色模型进行手势分割,分割出手势区域,使用卡尔曼滤波器进行手势跟踪,获得手势中心点的位置。在此基础上,记录各帧中心点位置,得到运动轨迹,利用提出的轨迹模板匹配方法对动态手势进行识别。该方法利用基本的几何特征便可完成手势运动轨迹的设置与识别,无需特征选择或训练样本的搜集。最后,采用基于Zynq-7000的Zedboard平台对该算法进行实现,并采用HLS硬件加速工具进行算法加速。实验结果表明,该算法可实现较精确的手势识别,接受弹性的输入采样,识别正确率在95%以上,且通过硬件加速后,可在嵌入式平台中实时识别,具有较好的实时性。
简介:摘 要: 手势识别技术研究与人机交互和谐社会发展学生具有密不可分的联系,,因此具有重要研究意义. 针对传统手势检测算法空间不变性 较弱,手势识别效率较低等问题,本文提出基于改进AR 网络与W-loU相结合的手势识别深度学习模型. 首先采用 空间变换网络对AR网络进行改进,对手势信息进行处理,提取关键手势特征,解决了数据易受攻击的问题,增强了网络的不变性,然后对从网络中提取的特征进行降维,减少冗余信息,再通过W-LOU进行分类,提高了分类精度。最后,在标准数据集和自制数据集上进行了检测测试,结果表明该方法可以提高手势识别的准确率,验证了算法的有效性。
简介:摘要 在进行手势图像识别时,由于光照强弱、背景干扰等因素而导致手势识别的准确率降低,这给实际应用造成很大困扰。提出了一种基于肤色检测的动态手势识别算法。首先利用图像采集器获取若干手势图像,将RGB格式的手势图像映射到YCrCb颜色空间;然后对若干样本图像进行实验以获取合适的Cr分割阈值,并对图像进行二值化处理;利用改进的扫描线填充算法追踪手势位置并进行框定标识和尺度规范化处理,以提高算法效率,生成训练样本集和测试样本集。其次,利用卷积神经网络对手势图像样本集进行分类,计算结果表明准确率达到99.69%,远高于未二值化的手势识别率。从静态识别率、动态识别率、快速识别率、变换识别率等四个方面对该算法进行评价,结果显示综合准确率达到99.25%,满足实际工程需要,在灾情图像识别、呼救模式识别等领域具有实用价值。
简介:摘要:随着我国经济的不断发展、科技的不断进步,越来越多的高新科技产业融入人们的生活,给人们的生活带来了极大的帮助,不仅提高了人们的生活质量,还让人们的生活越来越简单便利。手势识别系统就是一个全新的高新科技,为人们解锁开锁等方面提供了不少的便利,在传统的手势识别装置中,往往会需要大量的复杂的设备进行计算,从而增加手势识别系统生产成本,所以想要提高性价比,增加人们方便程度,就有团队不断改良手势识别系统。目前,电容感应的手势识别系统闯入人们视野,因为这样的系统相对硬件要求小,而且功耗小,对环境光强不敏感,只需要手放在上面,便可通过电容传感实现识别解锁,这样的设计方案不仅大大的提高了工作效率,更为人们生活提供了方便,而且节约成本,减少成本输出,还遵循了绿色环保发展的特点。本文主要对系统的硬件与软件设计进行了解说和分析,最后根据设计内容进行系统测试,将测试结果传达给各位,希望对有关部门有所帮助。