基于张量的MPCA动态手势识别方法.pdf
雨巷****莺莺
亲,该文档总共16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
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%。
基于Kinect深度信息的智能轮椅动态手势识别方法.pdf
基于Kinect深度信息的智能轮椅动态手势识别方法,涉及智能轮椅领域,它采用基于Kinect深度图像信息动态手势识别的方法,具有较强的扩展性,且能解决复杂背景、大面积的肤色干扰等对手势检测造成影响的问题,能够准确有效的分割出手部。后续采用了融合Camshift和Kalman滤波的方法快速有效的跟踪手势,采用了融合的特征提取方法,提高了动态手势识别的准备率,用于基于动态手势识别的智能轮椅控制系统中,可以达到快速、准确的识别动态手势命令,同时能够安全、稳定地控制智能轮椅,实现人与智能轮椅之间自然、直观的人机交
动态手势识别方法和编辑系统.pdf
一种在媒体内执行手势识别的方法,该方法包括以下步骤:接收来自至少一个摄像机的至少一个第一原始帧;在所述第一原始帧内绘制至少一个涂写,该涂写指明一个元素;通过在该媒体剩余部分的至少一部分中传播所述涂写,来在该媒体中跟踪所述涂写。
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。