面向智能會議系統(tǒng)的手眼聯(lián)合交互技術(shù)研究.pdf

1、人性化的人機交互吸引了越來越多的研究人員。眼動控制和手勢控制這兩種人機交互方式受到廣泛的關(guān)注。針對這兩種技術(shù)，本文提出基于球面交比的凝視點估計方法以及基于邊信息的加窗動態(tài)時間規(guī)整手勢識別方法(SIWDTW)，并聯(lián)合運用于智能會議系統(tǒng)中。本文的主要研究內(nèi)容如下：
　　傳統(tǒng)基于虛擬平面的凝視點估計方法存在構(gòu)建虛擬平面而產(chǎn)生計算四個虛擬投影點的誤差，本文提出基于球面交比的凝視點估計方法克服誤差。通過推導得到線束交比和球面交比的關(guān)系，然后

2、采用回歸分析的方法得到線束交比和球面交比的關(guān)系，在估計凝視點過程中即可根據(jù)這一關(guān)系得到顯示平面的交比，進而估計凝視點坐標。實驗表明該方法具有更好的精度，相對于傳統(tǒng)方法的精度，本文提出方法的精度在x，y兩個方向軸分別提高了20.8％和40.3%。
　　本論文提出了一種基于邊信息的加窗動態(tài)時間規(guī)整算法用于連續(xù)手勢識別。傳統(tǒng)的加窗動態(tài)時間規(guī)整算法(Windowed Dynamic Time Warping, WDTW)使用簡單的閾值方法

3、來判斷手勢結(jié)束點。這種方法容易受到噪聲的影響。為了解決此問題，本文在進行手勢結(jié)束點判斷時，提出一種概率判斷方法代替?zhèn)鹘y(tǒng)的閾值判斷方法，并加入邊信息以提高算法對于噪聲的魯棒性。該方法在 PRMI實驗室拍攝的手勢數(shù)據(jù)庫上實驗，并與 WDTW方法比較，結(jié)果為：W DTW算法的召回率73.8%，精確率91.9%，而SIWDTW方法的召回率為87.6%，精確率為89.9%。結(jié)果表明在WDTW方法中加入邊信息有利于提高方法的魯棒性。
　　為了