資料介紹
手勢是無聲的語言。人們在生活中借用手勢,來表達各種各樣的感情?,F在,人還可以與計算機之間進行手勢互動。
與人之間的手勢互動很容易理解,與計算機之間是怎么實現的呢?
手勢分割
想要使計算機識別人的手勢,首先得將手勢從背景中分割出來。因為計算機采集手勢信息的同時,也會采集到手勢所處的場景信息。
手勢分割通常采用以下幾種方法:
用黑色或白色的墻壁做背景,著深顏色服裝,盡可能簡化背景。要求人手戴上特殊的手套來強調手部也可,總之在環境上要突出顯示手部。
采集各種手勢在各個時刻、不同位置、不同比例的手型圖像,作為手勢匹配的模板,建立一個龐大的數據庫。
使用邊緣檢測,將手與背景分離開來。
手勢模型訓練
計算機同人一樣,在識別一個手勢前,必須先告訴它這個手勢是什么,代表什么意思。
這個過程就是手勢建模。模型的選取取決于具體應用,如果要實現自然的人機交互,就必須建立一個精細有效的手勢模型,使得識別系統能夠對用戶所做的絕大多數手勢做出正確反應。
目前,手勢建模方法可以歸結為兩大類:基于表觀的手勢建模和基于 3D 模型的手勢建模。
基于表觀的手勢建模是:根據手勢的指頭數以及指間的夾角不同,對手勢進行分類,實現手勢在旋轉縮放條件下的快速識別。
基于 3D 模型的手勢建模方法是:首先合成人體的 3D 模型,然后改變模型的參數,直到模型和真實人體映射出同樣的視覺圖像,然后分析身體姿態。
基于表觀特征的手勢建模方式比較直觀、適應性強、運算速度快。但實際應用中,需要考慮到光線及身體其他部位顏色的影響,這些因素都將直接影響手勢區域的提取。
基于 3D 模型的手勢建模識別精度比較高,避免了基于表觀特征識別時因遮擋造成的錯誤識別。雖然 3D 建模技術已經相當成熟,但模型還是太復雜,以至于不能快速地渲染響應。
因此大多數產品,如 Leap Motion 和 HoloLens 等,都采用了深度圖像信息和手勢表觀特征相結合的方式。這種方式既可以達到基于表觀的識別速度,又可以實現基于 3D 的識別精度。
手勢分析
對手勢進行建模后,接下來需要對手勢進行分析。手勢分析就是估計選定的手勢模型參數,這一步一般由特征檢測和參數估計組成。在特征檢測過程中,必須先確定人手位置。根據所用的線索不同,可以把定位技術分為基于顏色定位、基于運動定位以及多模式定位三種。
基于顏色定位技術的主要缺點是:在不同的光照條件下皮膚顏色變化較大,并且手和身體顏色相同,當身體其他部位出現在手勢背景中,會導致識別錯誤。解決這一問題的簡單方法,就是佩戴一副特殊的手套。
基于運動的定位技術通常跟某些假設一起使用。例如,假設通常情況下只有一個人在做手勢,并且手勢者相對于背景的運動量很小,也就是說圖像中只有手部是運動的。
基于多模式定位技術,就是運動和顏色信息的融合定位人手。這種方式效果更加準確,但是計算量會增大。
匹配
分析完手勢就等于把手勢分好了類,接下來只需要將讀取到的手勢信息,與這些分析結果相匹配,匹配過程就叫手勢識別。
手勢識別分為靜態手勢識別和動態手勢識別。靜態手勢相當于我們檢測視力時,對醫生做的表明方向手勢;動態手勢相當于籃球場上裁判員做的一些列手勢。
靜態手勢識別一般采用模板匹配方法來實現。通過一些相似準則,實時地比較手勢與模板庫中預定義手勢的相似度,從而根據最大相似度來提取出手勢模板。
與靜態手勢不同,動態手勢涉及時間及空間上下文。絕大多數動態手勢被建模為手勢模型空間里的一條軌跡。不同用戶做手勢時存在的速率差異、熟練程度等問題,會使運動軌跡與模型軌跡產生較大偏差。
為了消除這一問題?,F有的動態手勢識別技術可以分為三類:基于隱馬爾科夫模型(Hidden Markow Models,HMM)的識別,基于動態時間規整(Dynamic Time Warping,DTW)的識別,基于壓縮時間軸的識別。
HMM 算法因具有自動分割和分類能力,被廣泛應用,以下例子能很好地說明這一算法的原理。
假設你有一個住得很遠的朋友,他每天跟你打電話告訴你他那天做了什么。朋友僅僅對三種活動感興趣:公園散步、購物以及清理房間。他選擇做什么事情只憑天氣。
盡管你對于他所住地方的天氣情況并不了解,但是你可以根據他今天所做的事情,來猜測天氣情況。這整個系統就是一個隱馬爾可夫模型 HMM。
在這個系統里,你知道的這個地區的天氣趨勢以及朋友在做的事情,這些就是隱馬爾可夫模型里的參數,它們是已知的。而手勢可以描述為一系列由方向向量構成的系列,相近向量可以用一個符號來描述。如下圖所示:
我們可以識別手指的位置,然后根據 HMM 模型去猜測軌跡,通過軌跡即可分析手勢的意思。
本文配圖來自 Google
題圖來源:YouTube
轉載于:
(mbbeetchina)
下載該資料的人也在下載
下載該資料的人還在閱讀
更多 >
- 使用帶有計算機視覺的手勢控制伺服電機 0次下載
- 手勢識別幫助計算機理解人體語言 0次下載
- 計算機輔助雷達性能評估工具程序下載 11次下載
- 模式識別和計算機視覺手冊 3次下載
- 基于計算機視覺的客機艙門識別與定位方法 42次下載
- 計算機原理基礎課:組合電路和時序電路資料下載 3次下載
- 單片機與計算機,原來是這樣資料下載 11次下載
- 如何使用6個芯片實現組裝一臺計算機 19次下載
- 計算機網絡的經典和答案資料合集免費下載 2次下載
- 大話計算機教程之狂想計算機PDF電子書免費下載 0次下載
- 計算機二級題庫和參考答案資料免費下載 7次下載
- 如何使用光流計算和DTW算法進行動態手勢識別研究與實現論文 16次下載
- 全國計算機等級考試教程之二級公共基礎知識的詳細資料免費下載 18次下載
- 計算機通信與網絡教程—課件資料下載 0次下載
- 基于OpenCV的計算機視覺技術實現 0次下載
- 什么是計算機視覺?計算機視覺的三種方法 1690次閱讀
- 計算機視覺相關概念總結 484次閱讀
- 淺談計算機前世今生及計算機發展史的意義 2066次閱讀
- 計算機架構及組成 4493次閱讀
- 如何使用計算機視覺技術識別棋子及其在棋盤上的位置 2383次閱讀
- 基于視覺的手勢識別系統的設計與研究 3978次閱讀
- 計算機輔助技術有哪些_計算機輔助技術的應用 3.6w次閱讀
- 模擬計算機和數字計算機有什么不同之處 2982次閱讀
- 什么是量子計算機_量子計算機原理_量子計算的兩種有效方法 1.1w次閱讀
- 如何實現自由口模式下PLC與計算機的通信方法概述 1477次閱讀
- 計算機編程語言有哪些 1.8w次閱讀
- 一文詳解計算機視覺技術 6047次閱讀
- 計算機的存儲器主要作用_計算機的存儲器的分類介紹 1.1w次閱讀
- 電子管計算機是第幾代_電子管計算機如何存儲數據 4.2w次閱讀
- 計算機網絡有哪些作用_計算機網絡硬件有哪些 1.1w次閱讀
下載排行
本周
- 1東芝BiCD集成電路硅單片TB67S109AFNAG數據手冊
- 1.93 MB | 5次下載 | 免費
- 2SP3060A/30120A/30160A/30320A/30520A系列數字合成掃頻儀使用說明書
- 4.16 MB | 3次下載 | 1 積分
- 3具有雙通道 DC-DC轉換器、由串行接口控制的9通道電機驅動器TPIC2010數據表
- 1.15MB | 2次下載 | 免費
- 4USB Type-C PD快充協議智能觸發芯片FS312B數據手冊
- 0.75 MB | 1次下載 | 免費
- 5USB Type_C PD快充協議智能觸發芯片FS8025B數據手冊
- 1.29 MB | 1次下載 | 免費
- 6觸摸按鍵PCB 設計要點V01
- 1.42 MB | 1次下載 | 免費
- 75V升壓充電兩串鋰電池充電管理IC FS4058數據手冊
- 2.98 MB | 次下載 | 免費
- 8真關斷同步升壓IC FS2009數據手冊
- 2.08 MB | 次下載 | 免費
本月
- 1DCDC原理詳解
- 0.98 MB | 65次下載 | 免費
- 2allegro快速入門教程
- 1.98 MB | 36次下載 | 免費
- 3FU-7(807)膽機原理圖
- 11.93 MB | 25次下載 | 1 積分
- 4用于汽車應用的高壓電源管理IC TPS65311-Q1數據表
- 1.05MB | 22次下載 | 免費
- 5電子元件基礎知識介紹
- 8.76 MB | 15次下載 | 2 積分
- 6華為海思Ascend 310芯片的資料說明
- 0.12 MB | 10次下載 | 10 積分
- 7GD32F10x系列MCU用戶手冊
- 11.5MB | 9次下載 | 免費
- 86A 輸出電流同步降壓穩壓器TPS65286數據表
- 2.05MB | 6次下載 | 免費
總榜
- 1matlab軟件下載入口
- 未知 | 935083次下載 | 免費
- 2開源硬件-PMP21529.1-4 開關降壓/升壓雙向直流/直流轉換器 PCB layout 設計
- 1.48MB | 420045次下載 | 免費
- 3Altium DXP2002下載入口
- 未知 | 233067次下載 | 免費
- 4電路仿真軟件multisim 10.0免費下載
- 340992 | 191308次下載 | 免費
- 5十天學會AVR單片機與C語言視頻教程 下載
- 158M | 183308次下載 | 免費
- 6labview8.5下載
- 未知 | 81567次下載 | 免費
- 7Keil工具MDK-Arm免費下載
- 0.02 MB | 73785次下載 | 免費
- 8NI LabVIEW中實現3D視覺的工具和技術
- 未知 | 70088次下載 | 免費
評論
查看更多