手勢識別技術(shù)綜述-在線瀏覽
2025-08-30 23:44本頁面
【正文】 別過渡已經(jīng)成為一種趨勢。這種方法顯而易見的缺點是只有當(dāng)收集到的數(shù)據(jù)與預(yù)設(shè)模型的相似程度很高時才會比較準(zhǔn)確，另外對于某些比較相似的手勢區(qū)分效果不好。如果整個神經(jīng)網(wǎng)絡(luò)包括的全部神經(jīng)元都是時空效能好的算法，那就可以判斷手勢細(xì)微部分的運動。在靜態(tài)手勢的識別中應(yīng)用較多，動態(tài)手勢識別中幾乎沒有應(yīng)用?！?】（2）基于隱馬爾可夫模型的手勢識別隱馬爾可夫模型是一種能細(xì)致描述信號的時空變化統(tǒng)計分析模型，適用于動態(tài)手勢的識別。（3）基于幾何特征的手勢識別，包括手勢分割法與幾何特征法手勢分割包括2種方法：單目視覺和立體視覺?！?2】手勢的幾何特征指手勢的邊緣（如輪廓）和手勢區(qū)域特征（如手掌顏色、面積）。幾何特征識別方法主要有3種: 模板匹配法（自動提取每一幀特征圖像與模板庫匹配后識別手勢，多用于靜態(tài)手勢識別）；神經(jīng)網(wǎng)絡(luò)法，統(tǒng)計分析法(如隱馬爾可夫模型法HMM)等。除了進(jìn)行手勢識別的算法外，還需要其他輔助算法及過程。這些手勢識別需要準(zhǔn)確地從手腕部對手勢及手臂進(jìn)行識別并分割?！?1】此外，涉及隨機信號及過程的光譜分析法已經(jīng)在大量科學(xué)學(xué)科中使用了幾十年，盡管隨機性會給時間域特性分析帶來困難，像特征值及頻率仍然是有價值的光譜信息?！?】盡管存在諸多的方法，而且手勢識別仍在不斷發(fā)展中，但是手勢識別本身的特點在某些方面成為了障礙。人臉的表情豐富，可以作為理想的數(shù)據(jù)庫。手部的特征明顯要少得多，基本上就是各關(guān)節(jié)、手掌的坐標(biāo)，指尖的朝向等。手部在手勢定位及旋轉(zhuǎn)上至少需要6維信息，包括手部的三維坐標(biāo)及三維方向。4. 當(dāng)前的應(yīng)用 （1）用于虛擬環(huán)境的交互手勢識別可以用于虛擬制造和虛擬裝配、產(chǎn)品設(shè)計等。還可以將手勢識別用于復(fù)雜設(shè)計信息的輸入。手語是聾啞人使用的語言,是由手型動作輔之以表情姿勢由符號構(gòu)成的比較穩(wěn)定的表達(dá)系統(tǒng),是一種靠動作Π視覺交際的語言。手語識別和手語合成相結(jié)合,構(gòu)成一個“人2機手語翻譯系統(tǒng)”,便于聾人與周圍環(huán)境的交流?；贒GMM的中國手語識別系統(tǒng)選取Cyberglove型號數(shù)據(jù)手套作為手語輸入設(shè)備,采用了動態(tài)高斯混合模型DGMM(DynamicGaussianMixtureModel)作為系統(tǒng)的識別技術(shù),可識別中國手語字典中的274個詞條,%。正如鼠標(biāo)沒有取代鍵盤,手勢輸入也不能取代鍵盤、鼠標(biāo)等傳統(tǒng)交互設(shè)備,這一方面由于手勢識別的設(shè)備和技術(shù)問題,另一方面也由于手勢固有的多義性、多樣性、差異性、不精確性等特點。手勢輸入在人機交互中應(yīng)用的精髓不在于用來獨立地用作空間指點,而是為語言、視線、唇語等交互手段通道提供空間的或其他的約束信息,以消除在單通道輸入時存在的歧義。 （4）用于機器人機械手的抓取機器人機械手的自然抓取一直是機器人研究領(lǐng)域的難點。提供一個自然而且有效的人機交互界面始終是人機交互研究的目的。在未來的發(fā)展中，口語、手勢和人臉在虛擬環(huán)境中的互補是必要的?！?】 基于三維的建模有強大的表達(dá)能力，幾乎能夠表達(dá)所有的手形，但是缺乏效率。手勢由一段時間內(nèi)的一系列手形組成。在多用戶虛擬環(huán)境中，人臉又可以作為區(qū)分用戶的屬性。 然而在手勢識別的發(fā)展中還有以下幾個難點：現(xiàn)有的手勢識別方法的局限性：單一顏色或靜態(tài)背景
醫(yī)療健康相關(guān)推薦
鄂ICP備17016276號-1