期刊文献+
共找到5篇文章
< 1 >
每页显示 20 50 100
基于Kinect的手势识别算法研究及应用 被引量:12
1
作者 吴晓雨 杨成 冯琦 《计算机应用与软件》 CSCD 2015年第7期173-176,276,共5页
手势识别技术是人机交互技术的重要研究内容。为了提高基于Kinect的手势识别性能,提出基于深度人手定位和hog特征的静态手势识别算法及基于改进HMMs的动态手势识别算法。静态手势识别算法首先通过Kinect的深度信息完成人手定位,而后在... 手势识别技术是人机交互技术的重要研究内容。为了提高基于Kinect的手势识别性能,提出基于深度人手定位和hog特征的静态手势识别算法及基于改进HMMs的动态手势识别算法。静态手势识别算法首先通过Kinect的深度信息完成人手定位,而后在定位区域内提取基于梯度方向直方图的形状特征并利用级联Adaboost训练的手势模型,实现对静态手势的准确识别,在公开手势数据库中测试的实验结果表明提出的静态手势识别算法具有较高的识别率。动态手势识别算法首先通过Kinect获取手心轨迹并提取轨迹切线角度作为特征,利用改进的隐马尔科夫模型实现动态手势的判别,实验结果表明提出的动态手势识别算法相比于传统HMMs算法有效地排除了无效手势。此外利用提出的动静态手势识别算法有效地控制了模拟的数字电视。 展开更多
关键词 手势识别 人机交互 Kinect传感器 数字电视的模拟控制
在线阅读 下载PDF
智能轮椅嵌入式手势控制系统设计与实现 被引量:2
2
作者 罗元 杨杨 +2 位作者 张毅 黎胜晖 陈凯 《中南大学学报(自然科学版)》 EI CAS CSCD 北大核心 2013年第S2期68-72,共5页
目前智能轮椅的手势控制系统多基于通用PC机,针对其携带不方便、功耗大、成本高等缺点,设计了一种嵌入式手势控制系统。该系统采用S3C2440为微处理器的ARM9核心板作为硬件平台,Linux操作系统作为软件平台,运用AdaBoost算法和Kalman滤波... 目前智能轮椅的手势控制系统多基于通用PC机,针对其携带不方便、功耗大、成本高等缺点,设计了一种嵌入式手势控制系统。该系统采用S3C2440为微处理器的ARM9核心板作为硬件平台,Linux操作系统作为软件平台,运用AdaBoost算法和Kalman滤波器实现了手势识别,并利用Qt/Embedded图形开发环境完成了嵌入式人机交互界面的设计。实验证明,该嵌入式手势控制系统能很好地应用在智能轮椅上,平均识别率为95.3%。 展开更多
关键词 智能轮椅 嵌入式手势控制系统 ADABOOST算法 KALMAN滤波器 人机交互
在线阅读 下载PDF
远程控制采摘机器人手势识别研究——基于势场蚁群算法 被引量:5
3
作者 袁路路 张娓娓 《农机化研究》 北大核心 2017年第5期236-240,共5页
采摘机器人在作业时遇到通过自主导航无法越过的障碍物时,或者在危险的地带无法进行人工采摘作业时,需要借助远程方式进行实时控制,使其成功越过障碍物,并在高危环境中有效地展开采摘作业。为了优化采摘机器人远程控制系统,提出了一种... 采摘机器人在作业时遇到通过自主导航无法越过的障碍物时,或者在危险的地带无法进行人工采摘作业时,需要借助远程方式进行实时控制,使其成功越过障碍物,并在高危环境中有效地展开采摘作业。为了优化采摘机器人远程控制系统,提出了一种基于手势识别的远程控制方案,并引入了势场蚁群算法,提高了机器人的控制的准确性和高效性。在远程控制方案中,将基于视觉的手势识别与远程控制机械手相结合,通过深度相机采集手势图像并提取手势特征,转换为机械手舵机的控制命令,并通过无线网络发送至采摘机器人控制单元,实现视觉手势对机器人的远程控制。对采摘机器人进行了测试,通过测试发现:基于蚁群算法的手势识别系统可以有效地追踪得到不同的动态手势,且可以准确地识别手势所代表的意义,成功实现了机器人远程控制的手势识别。该方法不仅可以远程实现机器人避障功能,还可以将其应用在山谷、沼泽等危险地带进行采摘作业,实现其非凡的使用价值。 展开更多
关键词 采摘机器人 人工势场 蚁群算法 手势识别 远程控制
在线阅读 下载PDF
压阻式柔性应变传感纤维的手指姿态识别装置 被引量:4
4
作者 常龙飞 牛清正 +4 位作者 宋伟 唐振华 何青松 胡佳佳 胡颖 《西安交通大学学报》 EI CAS CSCD 北大核心 2020年第8期116-123,共8页
针对传统应变传感器柔顺性受限、与织物结合性差的问题,设计了一套可穿戴织物手指姿态识别装置。该装置的传感器为弹性硅橡胶和多壁碳纳米管复合的压阻式芯-鞘结构传感纤维柔性应变传感器,采用同轴湿法纺丝工艺制备,具有很好的可编织性... 针对传统应变传感器柔顺性受限、与织物结合性差的问题,设计了一套可穿戴织物手指姿态识别装置。该装置的传感器为弹性硅橡胶和多壁碳纳米管复合的压阻式芯-鞘结构传感纤维柔性应变传感器,采用同轴湿法纺丝工艺制备,具有很好的可编织性,拉伸应变可达300%,响应时间少于200 ms,可将其编织到织物手套的手指关节处,用于感知手指姿态;该装置的嵌入式控制系统采用基于STM32F103C8T6主控芯片的单片机,用于采集处理手指姿态传感信号;该装置的识别显示系统采用发光二极管、无源蜂鸣器和有机发光显示屏等功能器件,用于手指姿态的识别显示。实验结果表明,与现有手指姿态识别装置相比,该装置将柔性应变传感纤维、常规织物、单片机和功能器件集成在一起,具有舒适的可穿戴性,实现了呼吸灯、数字音乐和手语识别等移动便携式控制应用。 展开更多
关键词 手指姿态识别装置 可穿戴织物 柔性应变传感纤维 嵌入式控制系统
在线阅读 下载PDF
面向嵌入式平台的轻量化神经网络手势识别方法 被引量:11
5
作者 杨晨奕 何玉青 +1 位作者 赵俊媛 李国荣 《强激光与粒子束》 CAS CSCD 北大核心 2022年第3期138-146,共9页
针对传统基于图像分割和特征提取的手势识别算法在复杂背景下识别准确率低、灵活性差的问题,基于目标检测神经网络的手势识别算法可以有效提高复杂环境下手势识别的准确性。受嵌入式处理器体积和功耗的限制,常用的目标检测神经网络在嵌... 针对传统基于图像分割和特征提取的手势识别算法在复杂背景下识别准确率低、灵活性差的问题,基于目标检测神经网络的手势识别算法可以有效提高复杂环境下手势识别的准确性。受嵌入式处理器体积和功耗的限制,常用的目标检测神经网络在嵌入式上的识别速度较低,不能满足实时手势识别的要求。在SSD目标检测的基础上对其进行优化,使用MobileNetv3网络实现特征提取,目标检测方面则是使用SSD-lite结构,其使用深度可分离卷积替代普通卷积,实现了轻量化MobileNetv3-SSDLite手势识别算法的设计。针对手势识别的要求,制作了包含不同手势的数据集,利用它在服务器上完成了模型的训练。为了满足嵌入式的算力限制,通过模型的量化压缩将float64的网络参数量化为int8,并压缩网络结构,提高网络在嵌入式上的推理速度,实现基于嵌入式的手势识别。实验结果表明,基于嵌入式的MobileNetv3-SSDLite手势识别算法可以达到平均准确率99.61%,且识别速度达到每秒50帧以上,满足实时手势识别的要求。 展开更多
关键词 手势识别 深度神经网络 嵌入式 轻量化 MobileNev3-SSDLite
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部