版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進(jìn)行舉報或認(rèn)領(lǐng)
文檔簡介
1、近年來,手勢識別逐漸變成人機(jī)交互中的一種重要手段。相對于靜態(tài)手勢識別而言,動態(tài)手勢識別在現(xiàn)實應(yīng)用中更加廣泛。而手勢軌跡是運動特征中的一種,其簡單、魯棒的特性使其廣泛地應(yīng)用于行為識別中。論文從自然、直觀、實時的人機(jī)交互角度出發(fā),結(jié)合手勢圖像序列的冗余特性和手勢軌跡序列的特征,基于隱馬爾科夫模型(Hidden Markov Model,HMM)對動態(tài)手勢軌跡識別中的關(guān)鍵問題展開研究。針對動態(tài)手勢序列中存在著大量的冗余信息,重點研究了簡單、快
2、捷的關(guān)鍵幀提取方法和手勢特征提取方法來識別動態(tài)手勢,實現(xiàn)了動態(tài)手勢軌跡的實時識別。具體研究工作如下:
1.針對傳統(tǒng)動態(tài)手勢識別方法的計算復(fù)雜度高、實時性差、識別率低等問題,提出一種基于幀間差異度(Degree of Difference between Frames,DDF)和HMM的實時動態(tài)手勢軌跡識別方法。該方法無需跟蹤動態(tài)手勢的所有微小細(xì)節(jié),僅通過DDF來提取關(guān)鍵幀,再對關(guān)鍵幀圖像通過基于膚色的手勢分割方法獲得目標(biāo)區(qū)域。
3、計算手勢目標(biāo)區(qū)域的中心到軌跡序列中心的距離作為軌跡的數(shù)據(jù)流,軌跡數(shù)據(jù)流經(jīng)過時間規(guī)整得到 HMM模型的輸入向量。再構(gòu)造 HMM模型來建立動態(tài)手勢模型,最后使用訓(xùn)練得到的最佳轉(zhuǎn)移概率來識別未知的動態(tài)手勢類別。實驗結(jié)果表明,該方法具有非常好的魯棒性及實時性,數(shù)字0~9的平均識別率達(dá)到87.67%、平均時間效率為0.46s。
2.針對關(guān)鍵幀提取算法得到的圖像中包含信息不足而導(dǎo)致可識別的種類少以及識別率低等問題,提出一種基于分塊特征(B
4、lock Feature of DDF,BF_DDF)的關(guān)鍵幀提取方法和膚色聚類的手勢分割相結(jié)合的動態(tài)手勢軌跡識別方法。該方法首先計算動態(tài)手勢序列間的差異度,通過BF_DDF提取得到比較準(zhǔn)確的關(guān)鍵幀序列。使用基于膚色聚類的方法對關(guān)鍵幀序列圖像進(jìn)行手勢分割得到目標(biāo)區(qū)域。最終,選取軌跡角度作為特征,使用HMM方法進(jìn)行動態(tài)手勢建模和識別。實驗結(jié)果表明,該方法在選取關(guān)鍵幀的同時,可以準(zhǔn)確獲取動態(tài)手勢信息,提高了動態(tài)手勢識別的實時性,同時保證了手
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時也不承擔(dān)用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于HMM的運動手勢軌跡識別.pdf
- 基于時空軌跡特征的HMM動態(tài)手勢識別研究.pdf
- 基于HMM和ANN的基因識別方法.pdf
- 膚色和手勢識別方法研究.pdf
- 基于運動軌跡的手勢識別研究及應(yīng)用.pdf
- 基于SVM和HMM混合模型的動態(tài)手勢識別技術(shù)研究.pdf
- 基于HMM模型的眉毛識別方法研究.pdf
- 基于視頻的手勢識別方法研究.pdf
- 基于形狀特征的手勢識別方法研究.pdf
- 基于視覺的動態(tài)手勢跟蹤與軌跡識別研究.pdf
- 基于神經(jīng)網(wǎng)絡(luò)和HMM的眉毛識別方法研究.pdf
- 基于Kinect手勢識別方法的研究與實現(xiàn).pdf
- 基于HMM模型的人臉識別方法研究.pdf
- 手形特征與運動軌跡相結(jié)合的動態(tài)手勢識別.pdf
- 基于小波MFCC和HMM的列車鳴笛識別方法研究.pdf
- 基于BP_Adaboost和HMM的湖南方言識別方法研究.pdf
- 基于運動跟蹤的動態(tài)手勢識別算法研究.pdf
- 面向家庭服務(wù)機(jī)器人的動態(tài)手勢識別方法研究.pdf
- 基于HMM模型的順式調(diào)控模塊識別方法的研究.pdf
- 基于Kinect深度信息的靜態(tài)手勢識別方法研究.pdf
評論
0/150
提交評論