【摘 要】
：
作为最自然的人机交互方式之一,手势识别一直是近年来人机交互与计算机视觉领域的热点研究领域之一,大量的研究致力于利用现有的视觉设备得到实时稳定,鲁棒性高的跟踪与识别
论文部分内容阅读
作为最自然的人机交互方式之一,手势识别一直是近年来人机交互与计算机视觉领域的热点研究领域之一,大量的研究致力于利用现有的视觉设备得到实时稳定,鲁棒性高的跟踪与识别算法。在这个背景下本文分别利用二维普通相机以及微软的Kinect作为视觉设备对手势识别进行了相应的研究。本文主要工作包括三个部分：(1)利用普通摄像头进行实时稳定的手区域跟踪；(2)利用微软Kinect实现静态手势识别；(3)利用Kinect实现动态手势识别。本文首先利用普通摄像头研究了在复杂环境下的手区域跟踪,提出了一种实时鲁棒的手区域跟踪算法。算法首先定义了特定手势作为跟踪的开始标识；接着利用贝叶斯肤色模型生成肤色概率图；之后利用得到的肤色概率图计算计算得到局部速度与全局速度；然后利用计算得到的速度信息更新跟踪窗口的位置；接着用CAMSHIFT算法优化跟踪窗口的位置；最后根据更新后的跟踪窗口做相应的处理为下一帧的跟踪做准备。相比以往的跟踪算法,我们的方法能够处理背景中存在肤色或者类肤色区域干扰的情况并且在运动不规则的情况下依然有效。本文还利用微软的Kinect作为视觉设备做了识别静态手势以及动态手势的研究。在静态手势识别中,我们首先利用获得的深度图以及彩色图分割得到手区域；然后求得手的轮廓信息后对其进行等距采样；接着为每一个形状建立形状上下文特征；最后利用K近邻分类算法求得相应手势的类别。在动态手势识别中我们采用的是隐马尔可夫模型。我们首先对观测值的选取做了讨论,然后对开始点与结束点的判断进行了讨论,最后我们做了一个基于隐马尔可夫模型的识别隔空手写字母的应用。
其他文献
心律失常是常见的心脏疾病,也是造成猝死的主要原因之一。心律失常发生、发展及药物治疗均与心肌细胞离子通道活动有密切关系。长期以来,对心律失常发生及致病机制的研究都是
人体行为识别是计算机视觉领域内非常热门的一个研究方向,在智能监控等领域都有广泛的应用。传统的识别工作一般是基于RGB视频进行的。近年来,随着微软Kinect等消费级的深度
本文研究并讨论了反模糊粗糙子半群、反模糊粗糙子群、反模糊粗糙正规子群、半群的反模糊理想、反模糊双理想、(-∈，-∈v-q(λ，μ))-模糊子群、(-∈，-∈v-q(λ，μ))-模模糊正规子
随着互联网的迅猛发展和信息的国际化,对于不同语言文本内容的理解和传播成为了人们的强烈需求。机器翻译这个古老的课题在这样的背景下重新焕发了生机。词对齐作为统计机器
Internet已经深入到我们生活的方方面面,成为人们日常活动中不可缺少的一部分,但目前大都采用的固定接入的方式使用Internet,这在很多方面限制了它的进一步应用。同时,伴随着
随着生命科学的发展,人类越来越关注于对自身的认识。计算机技术的发展使得研究人员可以通过建立生物体各级生理对象的数学模型的方式来研究其生理学过程,大大推动了人类对生
在传统的基于内容图像检索的方法中,由于图像的领域较宽,图像的低级视觉特征和高级概念之间存在较大的语义间隔,检索的效果不很理想。文章研究了图像增强技术在贝叶斯框架下
分布式数据库系统(Distributed Data Base System,DDBS)的研究开始于20世纪70年代。由于数据库应用需求的扩展和计算机硬件环境的改变,特别是计算机网络与数字通信技术的飞速
入侵检测作为一种主动的安全防御手段,通过对网络上的数据流进行实时分析,发现潜在的入侵威胁,最大限度地提高网络的安全保障能力。本文首先分析了当前网络安全现状及其对策
鉴于基于内容图像检索(Content-Based Image Retrieval,CBIR)技术的高效性,人们开始研究它与Web的结合,以提高互联网图像检索效率。Web与CBIR技术的结合,已逐渐成为基于内容