2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩69頁未讀, 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、隨著計算機和信息科學技術的迅速發(fā)展,人機交互已經(jīng)成為人們日常生活的一個必不可少的重要組成部分。鑒于手勢具有直觀性、自然性的特點,手勢識別已經(jīng)成為人機交互領域中的重要組成部分,作為一項關鍵性技術,手勢識別已成為涉及圖像處理、模式識別、計算機視覺等領域一個熱點研究課題。將手勢作為人機交互的手段,在智能系統(tǒng)、機器人控制、多媒體教學、娛樂游戲、聾啞人溝通交流等領域擁有廣泛的應用前景。
  本文設計并實現(xiàn)了基于單攝像頭下的靜態(tài)手勢識別系統(tǒng)。

2、能夠對26個英文字母進行識別。涉及到的領域包括圖像分割,特征點的提取以及手勢的訓練與識別。論文的主要工作包括:
  1.分析了基于YCbCr顏色空間的膚色模型和基于運動信息模型的優(yōu)缺點,設計和實現(xiàn)了膚色和運動信息相結合的相鄰幀的自適應更新高斯建模算法,得到了較好的手勢分割效果。
  2.提出了一種基于卷積神經(jīng)網(wǎng)絡(CNN)和多層感知器(MLP)的特征提取和識別算法,并且與傳統(tǒng)的特征提取方法:基于梯度的特征提取算法(HOG)、

3、基于局部紋理的特征提取算法(LBP)進行比較,實驗結果表明使用CNN和MLP的特征提取算法識別率為97.86%,比傳統(tǒng)CNN提高了5%左右,訓練模型的速度縮短約8倍;比HOG+MLP識別率高8%左右;比LBP+MLP高10%左右。
  3.采用本文所提的特征提取算法,設計并實現(xiàn)了基于單攝像頭下的靜態(tài)手勢識別算法以及相應的演示系統(tǒng),與其他兩種常用手勢識別方法(基于梯度的特征提取(HOG)和支持向量機(SVM)的方法,基于局部紋理的特

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論