尊敬的各位读者:
根据当前疫情防控要求,我馆部分原文传递服务可能会有延期,无法在24小时内提供,给您带来的不便敬请谅解!
国家工程技术图书馆
2022年11月29日
摘要: 随着虚拟现实技术的进步,人机交互设备的发展,交互方式也逐渐呈现多样化。其中,手势因其直观、自然、信息丰富等特征,成为众多学者进行研究的首选对象。为了满足应用的需求,手势识别技术在准确率和环境适应性上还需要进一步的研究完善。本文主要... 展开 随着虚拟现实技术的进步,人机交互设备的发展,交互方式也逐渐呈现多样化。其中,手势因其直观、自然、信息丰富等特征,成为众多学者进行研究的首选对象。为了满足应用的需求,手势识别技术在准确率和环境适应性上还需要进一步的研究完善。本文主要针对基于Kinect的手势识别方案进行探究,重点对指尖检测和手势识别进行研究和改进,并实现了一个投影交互系统来论证本文方案的可行性和识别效果。主要研究工作如下: (1)对传统的手势区域分割及跟踪方法进行研究。分析多通道图像的特征,并对分割结果的进行对比,最终选择使用Kinect设备获取数据,在图像预处理之后,采用肤色特征与深度信息相结合的方法分割出手势区域,并进行连续形态化操作优化分割结果;在跟踪滤波优化算法上,分析了CA模型和CV模型跟踪目标的实验结果,最终选择使用CA模型滤波来跟踪预测手势以达到更高的响应精度。 (2)提出了一种改进的多指尖检测方法。分别分析了基于K-curvature和凸包的指尖检测算法的不足,选择将两者相结合对多指尖进行识别检测。通过实验验证,基于凸包的K-curvature算法可以有效地对指尖进行检测和定位。并且,设计实验分析其中T,K参数的取值以进行优化。 (3)提出了一种改进的SVM手势识别方法。通过分析得出,单一特征在复杂环境中表现不稳定,于是选择融合结构特征、Hu不变矩和HOG特征,并使用PCA进行降维,作为最终的分类特征输入SVM中进行识别。该识别方法在实验中表现出了较高的准确率和较好的环境稳定性。 同时,本文设计并实现了一个投影交互系统,采集了5名实验者针对文中8个手势的500个完整动作数据的样本集,进一步对文中算法模型进行测试。实验结果表明,该方案将识别准确率从90.4%提升到95.3%,在不良光照条件、运动复杂背景以及角度干扰的复杂环境中准确率也维持在93.7%以上,具有较好的鲁棒性。虽然本文改善了传统手势识别方法的准确率和环境适应性,但在深度图像降噪和鼠标抖动处理上还存在一些问题,接下来还需要大量的研究和学习来进一步优化。 收起
系统维护,暂停服务。
根据《著作权法》“合理使用”原则,您当前的文献传递请求已超限。
如您有科学或教学任务亟需,需我馆提供文献传递服务,可由单位单位签署《图书馆馆际互借协议》说明情况,我馆将根据馆际互借的原则,为您提供更优质的服务。
《图书馆馆际互借协议》扫描件请发送至service@istic.ac.cn邮箱,《图书馆馆际互借协议》模板详见附件。
根据《著作权法》规定, NETL仅提供少量文献资源原文复制件,用户在使用过程中须遵循“合理使用”原则。
您当日的文献传递请求已超限。