手勢識別技術(shù)綜述(參考版)
2024-07-24 23:44本頁面
【正文】 Engineering Survey (IJCSES) , , Feb 2011【12】MISS. SHWETA K. YEWALE.ARTIFICIAL NEURAL NETWORK APPROACH FOR HAND GESTURE RECOGNITION.Shweta K. Yewale et al. / International Journal of Engineering Science and Technology (IJEST)。此外，2016年4月2日公布的三星公司為VR研發(fā)的新傳感器允許用戶凌空操作VR應(yīng)用，可以通過虛擬現(xiàn)實世界中瞄準線實現(xiàn)菜單、圖標、照片、視頻等的點擊運行，而完全不需要使用到設(shè)備上的任何真實按鈕。2016年4月，蘋果公司獲得了來自美國專利商標局一項新專利的批準。2012年，Leap Motion 橫空出世。 所以無論是學生還是公司，只要堅持對該系統(tǒng)的研究， 必然會獲得成功。當年鼠標問世時也不是一下子就得到了大眾的接受。如上所言，這項研究肯定有許多的難點問題需要去思考，去克服。當前還未能找到解決問題的理想方法，針對具體的某一系統(tǒng)，在實現(xiàn)時要假設(shè)一定的限制條件，以達到較好的識別效果?！?0】到目前為止，大多數(shù)研究都集中在靜態(tài)手勢識別技術(shù)，而我們不僅要對手勢進行跟蹤，還要進行識別，其計算工作量很大且速度慢，不能用于實時識別系統(tǒng)。只有綜合利用他們，才能在人機交互系統(tǒng)中產(chǎn)生深遠的影響。手勢的分解和分類是手勢識別的兩個重要問題。而后者簡單高效，但是缺乏通用性。因為手形有兩種建模方式：基于三維的建模和基于圖像的建模?！?】 那么手勢識別以后的發(fā)展也要圍繞這一點。手勢識別,尤其是基于數(shù)據(jù)手套的手勢識別的研究對克服這個問題有重要的意義,是手勢識別的重要應(yīng)用領(lǐng)域之一。這種做法是試圖以充分性取代精確性。手勢識別要想取得比較高的識別率,仍有很長的路要走。【9】 （3）用于多通道、多媒體用戶界面。手語識別同樣分為基于數(shù)據(jù)手套的和基于視覺的手語識別兩種。手語識別的研究目標是讓機器“看懂”聾人的語言。【9】 （2）用于手語識別。虛擬裝配通過手的運動直接進行零件的裝配,同時通過手勢與語音的合成來靈活的定義零件之間的裝配關(guān)系。而完全對手勢進行分辨需要超過20個的自由度變量，這使得手勢的甄別十分復雜。而且臉部特征基本上是在一個平面上的，沒有旋轉(zhuǎn)特征，臉部的自由度小。典型的人臉切爾諾夫模型擁有18個變量，而自1973年來經(jīng)過幾十年的發(fā)展，面部特征又得到了豐富，非對稱的切爾諾夫臉可顯示多達36維的臉部特征。與人臉識別最顯著的區(qū)別是，基于圖像的手勢識別與人臉識別雖然都是根據(jù)二維圖像，但是手部沒有類似人臉那樣豐富的可以標記及區(qū)分的數(shù)據(jù)特征對象。傅里葉分析是頻率域光譜分析的常見方法。此外，在動態(tài)手勢識別中還需同時進行方位定位及識別工作，其核心是動態(tài)時間空間躍遷算法（DSTW），一種可以在時間空間成對排列搜索請求及模型手勢的算法。某些具有手部整體運動軌跡的手勢可以是肢體動作的一部分，比如揮手、打招呼等。動態(tài)手勢識別的算法比較復雜?！?】基于幾何特征的手勢識別技術(shù)，大多采用各種距離公式進行模板匹配，如量度度量空間中真子集之間距離的Hausdorf
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1