-
题名Bezier矩及其在人体姿态识别中的应用
被引量：4
- 1
-
-
作者
李宗民
刘玉杰
李振波
崔丽
李华
-
机构
石油大学(华东)计算机与通信工程学院
中科院计算所智能信息处理重点实验室
中国科学院研究生院
中科院计算所智能信息处理重点实验室
-
出处
《计算机工程与应用》
CSCD
北大核心
2005年第24期38-40,共3页
-
基金
国家863科技攻关项目(编号:2001AA231031)
国家973重点基础研究发展规划项目(编号:2004CB318000)资助
-
文摘
首次提出了Bezier矩的定义,并用于人体姿态的识别。该矩具有较好的数学表达形式,充分反映了形状特性。文中给出了Bezier矩的推导,并给出试验结果以及改进的hu不变矩的试验比较结果,试验证明Bezier矩方法优于改进的hu不变矩方法。
-
关键词
bezier矩
hu不变矩
特征不变量
人体姿态
-
Keywords
bezier moments,hu moment invariants,feature invariants,human gesture
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名融合Hu矩与BoF-SURF支持向量机的手势识别
被引量：18
- 2
-
-
作者
隋云衡
郭元术
-
机构
长安大学信息工程学院
-
出处
《计算机应用研究》
CSCD
北大核心
2014年第3期953-956,960,共5页
-
文摘
基于尺度不变特征变换的特征包(BoF-SIFT)支持向量机的分类方法具有较好的手势识别效果,但是计算复杂度高、实时性较差。为此,提出了融合Hu矩与基于快速鲁棒特征的特征包(BoF-SURF)支持向量机(SVM)的手势识别方法。特征包模型中用快速鲁棒性特征(SURF)算法替换尺度不变特征变换(SIFT)算法提取特征,提高了实时性,并引入Hu矩描述手势全局特征,进一步提高识别率。实验结果表明,算法无论是实时性还是识别率都要高于BoF-SIFT支持向量机方法。
-
关键词
手势识别
特征包模型
快速鲁棒特征
hu不变矩
支持向量机
-
Keywords
hand gesture recognition
bag-of-features model
speeded up robust feature （SURF）
hu invariant moments
support vector machine（SVM）
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
