一种基于手势关键点的动态手势识别方法.pdf
邻家****mk
亲,该文档总共12页,到这已经超出免费预览范围,如果喜欢就直接下载吧~
相关资料
一种基于手势关键点的动态手势识别方法.pdf
本发明提供了一种基于手势关键点的动态手势识别方法,属于计算机手势识别领域。其特征在于:所述方法通过逆时针获取人手的轮廓点坐标,进而确定手指指尖和指根的位置,根据指尖和指根的运动方向、距离和角度来识别常用的动态手势;所述动态手势包括:抓取,释放,平移,顺时针旋转,逆时针旋转以及前推。本发明提出了一种基于指尖的位置,距离和方向的动态手势识别算法。它可以避免内腔的手势和外部噪声的识别冲击。经过大量实验,本发明可以识别抓握,放置,顺时针旋转,逆时针旋转,以及四个方向的平移和向前推动态手势识别率为96%。
一种动态手势识别方法.pdf
一种动态手势识别方法,包括,设置启动手势判断阶段,启动手势判定帧介于启动手势判定下限帧数与启动手势判定上限帧数之间时,判断手势已启动。这样在手势识别之前,加入手势运动情况的判断,避免较短时间的手势晃动、较长时间的静态手势被纳入手势识别,提高了识别效率,同时提高识别精度。在一帧图像识别存在误差时,设置忍受冗余过程,逐步降低手势识别忍受度,避免临时一张图像出现模糊、抖动情况下,未通过阈值识别、大小调整等情况,导致整体识别错误的风险。
基于张量的MPCA动态手势识别方法.pdf
本发明公开了一种基于张量的MPCA动态手势识别方法,所述方法包括步骤:1)采集人体手势姿态数据集,并进行张量化处理,形成张量数据集;2)将张量数据集中的样本数据分为手势训练集和手势测试集;3)通过MPCA算法对手势训练集中的样本数据进行降维,得到投影矩阵和判别矩阵,并通过判别矩阵计算手势训练集中样本数据的张量特征;4)通过投影矩阵计算手势测试集中样本数据的张量特征;5)采用最近邻算法作为分类器,将手势训练集中样本数据的张量特征与手势测试集中样本数据的张量特征逐一匹配,统计匹配结果与张量特征的异同,得到手势
一种基于手势轮廓快速匹配的手势识别方法.pdf
本发明公开了一种基于手势轮廓快速匹配的手势识别方法,该方法包括如下步骤:(1)根据手部区域计算封闭的轮廓;(2)基于待匹配的手势轮廓模板,计算匹配矩阵;(3)计算手部区域轮廓和匹配矩阵每行的卷积;(4)计算匹配误差;(5)根据匹配误差和固定门限比较,得到手势识别结果。该基于手势轮廓快速匹配的手势识别方法直接利用原始轮廓数据提高匹配正确率并利用构建的特殊结构的匹配矩阵降低匹配算法的复杂度。
一种基于太赫兹雷达的精细动态手势识别方法.pdf
本发明属于雷达和人机交互技术领域,具体涉及一种基于太赫兹雷达的精细动态手势识别方法。本发明的方法首先对基于太赫兹雷达平台采集的运动手势数据进行预处理,去除静止目标和背景噪声;然后根据时间序列上雷达回波信号包含的能量大小对完整手势进行检测分割;接着对每个完整运动手势样本提取时间上的多普勒频移分布图谱特征,进行特征增强和尺寸统一;最后采用卷积神经网络进行模型的训练,从而实现手势的分类识别。发明的方法对精细运动手势具有较高的识别准确率。