收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于视觉系统的手势动作识别

鲍志强  
【摘要】:基于视觉系统的人机交互在人类生活中扮演着越来越重要的角色,并主要应用在实时手语识别、智能机器人和虚拟现实等方面。人机交互中至关重要的一环就是手势识别,其过程主要包括分割、跟踪和识别。由于实时的手势识别系统对识别精度和时间复杂度的要求很高,即在保证识别精度的情况下尽量缩短识别时间,再加上手势在时间和空间上变化的多样性和各种复杂的应用场景的影响,使得手势识别成为一个热门且具挑战性的研究领域。在手势分割与跟踪部分,本文中提出了一种基于Kalman滤波的手势图像提取方法。通过Kinect获取深度图像和骨骼信息,基于Kalman滤波实现准确骨骼点的跟踪,对于采用深度阈值分割残留的手臂信息,提出了一种几何的去手臂方法,可有效地去除手臂部分的干扰。最后通过查找手势轮廓,并用最大矩形框提取手势区域得到归一化的手势图像。为验证分割的高效性,本文中采集并制作了31类汉语手语的静态手势数据集,共173600个样本。在手势识别部分,采用了两种方法进行对比实验。其一是特征提取的手势识别方法,提取了两种局部二值模式(LBP)特征和一种方向梯度直方图(HOG)特征,并用支持向量机(SVM)机器学习的方法进行分类识别。其二是搭建卷积神经网络(CNN)模型的方法,直接输入手势数据集,通过卷积自动提取手势图像的特征,训练得到相应的模型,用测试集测试识别精度和时间指标。最后,在手势识别精度和时间复杂度的分析中,对比了CNN识别的方法和三种提取特征的方法的实验结果。实验表明,CNN的手势识别模型得到了96.23%的识别精度,高于提取特征中的HOG+SVM的识别方法。时间复杂度的分析上来看,对于每张图像提出的手势区域提取方法平均耗时21.05ms,识别部分采用CNN方法的平均识别时间为0.92ms,因此可得基于CNN的手势识别系统的平均识别时间21.97ms。所以,在基于Kinect的实时手势识别的应用中,使用该手势区域提取方法和CNN识别模型的手势识别系统能够满足实时性的要求。


知网文化
【相似文献】
中国期刊全文数据库 前18条
1 陈辉;;浅议车牌识别中字符的特征提取方法[J];科技传播;2009年05期
2 徐德友,胡寿松;利用粗集上近似处理特征提取中的噪声问题[J];南京理工大学学报(自然科学版);2002年S1期
3 佟德纯;王永兴;;一种新的齿轮状态的分类识别方法—CEP-AR特征提取与分类[J];振动与冲击;1988年03期
4 罗斌;黄端旭;;皮肤癌表面图象特征提取[J];安徽大学学报(自然科学版);1989年03期
5 王仁华;宋原章;;汉语孤立音节的分段研究[J];信号处理;1989年02期
6 杨小军;;图片特征提取[J];中小企业管理与科技(中旬刊);2017年03期
7 武弘;;六种常用的网络流量特征提取工具[J];计算机与网络;2017年06期
8 李晋徽;杨俊安;王一;;一种新的基于瓶颈深度信念网络的特征提取方法及其在语种识别中的应用[J];计算机科学;2014年03期
9 唐朝霞;;一种基于特征提取的简答题阅卷算法[J];湖南工程学院学报(自然科学版);2010年01期
10 曹国辉;;车辆特征提取方法综述[J];中国水运(理论版);2006年03期
11 江涛,朱运海,董凤宝;小波变换在遥感影像道路特征提取中的应用[J];测绘工程;2004年02期
12 王华,李介谷;人脸斜视图象的特征提取与恢复[J];上海交通大学学报;1997年01期
13 张剑清,J.A.R.Blais;运用信息论进行特征提取[J];测绘学报;1990年03期
14 薛亚平;;多传感器数据融合在船舶特征提取中的应用[J];舰船科学技术;2016年18期
15 白玛玉珍;;几种藏文字特征提取方法比较研究[J];信息与电脑(理论版);2014年04期
16 李华平;;基于多特征提取的识别算法数学建模优化研究[J];哈尔滨师范大学自然科学学报;2013年04期
17 郑小东;王晓洁;;基于图像处理的植物叶特征提取研究现状[J];农机化研究;2007年08期
18 周生祥,冯培恩,潘双夏;材焊接结构加工特征提取方法[J];浙江大学学报(自然科学版);1997年04期
中国重要会议论文全文数据库 前10条
1 王纪凯;王鹏;张启彬;陈宗海;;激光数据特征提取与学习方法[A];第17届中国系统仿真技术及其应用学术年会论文集(17th CCSSTA 2016)[C];2016年
2 薛燕;李建良;朱学芳;;人脸识别中特征提取的一种改进方法[A];第十三届全国图象图形学学术会议论文集[C];2006年
3 黄先锋;韩传久;陈旭;周剑军;;运动目标的分割与特征提取[A];全国第二届信号处理与应用学术会议专刊[C];2008年
4 路文焕;曲悦欣;杨亚龙;王建荣;党建武;;用于无声语音接口的超声图像的混合特征提取[A];第十三届全国人机语音通讯学术会议(NCMMSC2015)论文集[C];2015年
5 徐继伟;李建中;柳勃;杨昆;;使用支持向量机和改进特征提取方法的蛋白质分类[A];第二十二届中国数据库学术会议论文集(技术报告篇)[C];2005年
6 刘德刚;邵国凡;;高维遥感数据分析的特征提取方法[A];西部大开发 科教先行与可持续发展——中国科协2000年学术年会文集[C];2000年
7 姜成柱;刘志成;何其芳;卞荣;席闻;;基于信号分解与稀疏恢复的空间群目标微动特征提取[A];第八届中国航空学会青年科技论坛论文集[C];2018年
8 许强;杨佳;;基于线性加权的免疫克隆算法的手指静脉特征提取[A];中国自动化学会控制理论专业委员会B卷[C];2011年
9 高学;金连文;尹俊勋;;基于笔划密度的弹性网格特征提取方法[A];2001年中国智能自动化会议论文集(上册)[C];2001年
10 白真龙;霍强;;在联机手写中文识别中一种针对8方向特征提取的改进算法[A];中文信息处理前沿进展——中国中文信息学会二十五周年学术会议论文集[C];2006年
中国博士学位论文全文数据库 前10条
1 苏雷曼 施查布(SOULEYMAN CHAIB);面向高分辨率图像场景分类的特征提取与选择研究[D];哈尔滨工业大学;2018年
2 温柳英;多模态数据特征提取的粒计算方法研究与应用[D];西南石油大学;2017年
3 李文娟;基于局部特征提取的人脸识别方法研究[D];天津大学;2017年
4 王振宇;面向人脸识别的特征提取技术应用研究[D];东南大学;2016年
5 马丽红;复杂背景下人脸的定位和特征提取[D];华南理工大学;1999年
6 谢平;故障诊断中信息熵特征提取及融合方法研究[D];燕山大学;2006年
7 张绍武;基于支持向量机的蛋白质分类研究[D];西北工业大学;2004年
8 李建生;图像元数据特征提取及其在检索中的应用[D];南京师范大学;2006年
9 刘靖;基于视觉特征提取和核判决分析方法的人脸识别[D];四川大学;2006年
10 郑宇杰;特征提取方法及其应用研究[D];南京理工大学;2007年
中国硕士学位论文全文数据库 前10条
1 卢丽;基于安防视频的群体异常行为特征提取与识别技术研究[D];成都信息工程大学;2018年
2 汪泉;基于EEMD的水轮机摆度信号提纯及特征提取分析[D];华中科技大学;2017年
3 王伟冰;等效矩形带宽经验小波变换用于公共场所异常声音特征提取[D];重庆大学;2018年
4 鲍志强;基于视觉系统的手势动作识别[D];天津大学;2018年
5 祖颖;基于特征提取的聚类方法研究及其实现[D];江南大学;2018年
6 徐伟;基于特征提取和机器学习算法的脑电波大脑年龄研究[D];温州大学;2018年
7 邹运奇;滚动轴承振动信号的特征提取方法研究[D];哈尔滨理工大学;2018年
8 张天文;滚动轴承故障特征提取与分类识别技术研究[D];哈尔滨工程大学;2018年
9 王宪淼;基于水下潜浮平台的被动探测技术研究[D];哈尔滨工程大学;2018年
10 吴晨桐;基于多域特征提取的雷达辐射源识别[D];哈尔滨工业大学;2018年
中国重要报纸全文数据库 前3条
1 宇航智控;预测与健康管理(PHM)技术[N];中国航空报;2018年
2 记者 贾玎玎;北京纺控主营业务收入增长11.39%[N];首都建设报;2015年
3 中国信息通信研究院泰尔终端实验室 曾晨曦 段虎才;深度学习框架的前世今生[N];人民邮电;2018年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978