版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、人類每天連續(xù)地從事著大量的活動(dòng)。我們不自覺的識(shí)別理解這些活動(dòng),同時(shí)跟其他人與環(huán)境進(jìn)行互動(dòng)和交流。如果機(jī)器跟計(jì)算機(jī)也能像人類一樣有效的理解到人類的手勢(shì),一個(gè)新世界的篇章將被翻開,充斥著大量的協(xié)助人類生活的應(yīng)用。這個(gè)對(duì)社會(huì)重大的利益將激發(fā)基于機(jī)器的手勢(shì)識(shí)別的研究,這些研究已經(jīng)在大量的應(yīng)用中展示了一些初級(jí)的優(yōu)勢(shì)。例如,手勢(shì)可以用來(lái)對(duì)機(jī)器人發(fā)送指令,或者代替例如觸摸屏或者鼠標(biāo)等便準(zhǔn)輸入的計(jì)算機(jī)程序。
本文提出了一種基于抽取自RGB-D
2、數(shù)據(jù)的時(shí)空特征的人類手勢(shì)的識(shí)別系統(tǒng)框架,此系統(tǒng)能夠有效的抽取特征及有效的識(shí)別人類手勢(shì),其中一個(gè)單獨(dú)的用例也是可以有效的用來(lái)訓(xùn)練。通常說(shuō)來(lái),我們的框架大致分為兩部分,特征抽取及分類。它們兩者都嚴(yán)重的影響著識(shí)別的效果。
1.Shi-Tomasi邊緣檢測(cè)算法被用來(lái)檢測(cè)一幅圖像中運(yùn)動(dòng)區(qū)域的關(guān)鍵興趣點(diǎn),在每一幀的GRB跟深度圖的不同層次上。當(dāng)檢測(cè)興趣點(diǎn)時(shí),可能會(huì)檢測(cè)到一些無(wú)效的點(diǎn),所以我們應(yīng)用了Lucas-Kanade跟蹤及過(guò)濾方法。使
3、用Lucas-Kanade方法,每個(gè)在金字塔不同層次上的興趣點(diǎn)的速度都被計(jì)算出來(lái)。然后,只有滿足運(yùn)動(dòng)約束的那些點(diǎn)才被篩選出來(lái)。
2.改良的GradientLocation and Orientation Histogram(GLOH)被應(yīng)用到魯棒的關(guān)鍵興趣點(diǎn)描述子的捕獲中。改良的GLOH從原始量的16bins降低至8bins從而生成了136個(gè)描述子向量。識(shí)別率幾乎是想等的,但是計(jì)算時(shí)間幾乎是改良的GLOH的一半。
3
4、.為了學(xué)習(xí)判別性模型,從訓(xùn)練樣本中提取的所有特征采用K聚類的方式,來(lái)學(xué)習(xí)一個(gè)視覺碼本。我們使用SOMP的稀疏編碼方法來(lái)獲得描述碼,該描述碼將每一個(gè)特征映射到某個(gè)視覺碼本中。
4.為了識(shí)別手勢(shì),我們提出一種基于K近鄰的分類方法來(lái)學(xué)習(xí)和分類手勢(shì)。對(duì)于一個(gè)訓(xùn)練集中的每一個(gè)視頻,產(chǎn)生本地動(dòng)作。所有產(chǎn)生的數(shù)據(jù)集都被聚類。使用K近鄰的方法來(lái)分析測(cè)試集中的手勢(shì)。根據(jù)對(duì)給定的手勢(shì)進(jìn)行投票,按照識(shí)別的概率,視頻可以被分類。在對(duì)CGD的動(dòng)作識(shí)別中
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)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(qǐng)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(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 圖像紋理特征提取及分類方法研究.pdf
- 指紋分類特征提取方法研究.pdf
- 想象運(yùn)動(dòng)的腦電特征提取及分類研究.pdf
- 中文網(wǎng)頁(yè)分類特征提取方法研究.pdf
- 人臉特征提取及分類算法研究.pdf
- 圖像紋理特征提取及分類研究.pdf
- 車輛特征提取和分類方法的研究.pdf
- 肺結(jié)節(jié)CT圖像特征提取及SVM分類方法研究.pdf
- 增強(qiáng)的子空間鑒別特征提取及分類方法研究.pdf
- 基于電子鼻的特征提取及模式分類方法研究.pdf
- SAR圖像特征提取與分類方法的研究.pdf
- 人體靜息態(tài)fMRI腦功能數(shù)據(jù)的特征提取及分類研究.pdf
- 人臉表情特征提取及層級(jí)分類研究.pdf
- 半色調(diào)圖像特征提取及分類研究.pdf
- 心音信號(hào)特征提取及分類研究
- 基于運(yùn)動(dòng)想象的腦機(jī)接口特征提取與模式分類方法研究.pdf
- 紋理特征提取與分類研究.pdf
- 圖像紋理的特征提取和分類方法研究.pdf
- 地震圖像紋理特征提取及分類.pdf
- 水聲被動(dòng)目標(biāo)特征提取和分類方法研究.pdf
評(píng)論
0/150
提交評(píng)論