手势分割
手势分割的相关文献在2000年到2022年内共计113篇,主要集中在自动化技术、计算机技术、无线电电子学、电信技术、机械、仪表工业
等领域,其中期刊论文90篇、会议论文1篇、专利文献697493篇;相关期刊70种,包括五邑大学学报(自然科学版)、电工技术、电子科技等;
相关会议1种,包括第五届全国信息获取与处理学术会议等;手势分割的相关文献由309位作者贡献,包括沈先耿、丁金洋、于慧敏等。
手势分割—发文量
专利文献>
论文:697493篇
占比:99.99%
总计:697584篇
手势分割
-研究学者
- 沈先耿
- 丁金洋
- 于慧敏
- 任海兵
- 何秀玲
- 刘三女牙
- 刘军
- 吕辰刚
- 吴珂
- 吴珩
- 姚美银
- 孙健
- 宣士斌
- 张凯
- 张崎
- 张晓平
- 张璐
- 张绪红
- 张超
- 彭志飞
- 徐光祐
- 徐慧琳
- 徐琨
- 徐磊
- 戴国忠
- 方静
- 朱继玉
- 李冰
- 杨宗凯
- 杨红玲
- 毛雁明
- 王威信
- 王聪
- 王臣豪
- 王西颖
- 甘明刚
- 田宗凯
- 盛亚婷
- 祝远新
- 窦丽华
- 章立亮
- 纪雯
- 肖应旺
- 莫愿斌
- 裴炤
- 覃文军
- 赵姝颖
- 赵洪
- 邹潇
- 郑庆庆
-
-
黄沛昱;
黄岭;
袁素真
-
-
摘要:
针对现有手势分割方法难以在类肤色背景下从图像中高效完整地分割出静态手势的问题,提出一种基于肤色质心与边缘自生长的手势分割算法。利用肤色模型得到手势区域的质心,质心可降低后续边缘检测算法的计算量;利用改进的边缘检测算法得到手势边缘,同时提出一种边缘自生长算法,能有效补全局部断裂边缘,增强后续分割效果;将肤色信息与边缘信息进行差分运算分离类肤色背景,再用连通域及形态学处理去除以得到最终手势图像。实验结果证明,该算法较传统肤色模型及同类算法,能更加快速准确地在类肤色背景下分割出手势图像。
-
-
陈雅茜;
吴非;
张代玮;
何志伟
-
-
摘要:
手势识别是人机交互领域中的一项热门研究课题,基于视觉的手势识别技术能让计算机能够理解用户动作所蕴含的意义,让人机交互变得更加自然与方便.就手势识别过程中的关键技术与方法进行研究,特别对手势分割、静态与动态的手势识别算法进行了阐述,对存在问题进行了讨论和分析,为后续研究的开展提供一些有益借鉴.
-
-
包先宏;
邢邓鸿;
吴庚明;
张森文
-
-
摘要:
本文针对YCrCb颜色空间下Cr分量的Otsu阈值分割的肤色提取算法易受到手部装饰物的干扰,严重影响手势分割效果,造成手指区域截断的问题,提出一种基于肤色模型的手势分割优化方法。通过基于Cr分量的Otsu阈值分割算法对手势进行初步分割,然后对区块式肤色检测进行肤色像素在区块内占比情况判定,进而推断手掌区域位置。同时利用面积比较法确定截断手指轮廓点集,在获得截断手指区域中心位置后,连接手掌区域轮廓最近点,最后连接截断区域和手掌区域并使用形态学操作达到对截断区域的填充的目的。实验数据表明,该方法对截断区域填充效果良好,对手掌区域判定的准确率为94%,对截断区域填充的成功率超过91%。
-
-
陈明瑶;
徐琨;
李晓旋
-
-
摘要:
基于全卷积神经网络的手势分割方法过于依赖大量精准标注的训练样本,同时由于提取特征中缺乏足够的上下文信息,常出现类内不一致的错分现象.针对上述问题,本文提出一种基于风格迁移的手势分割方法.首先选择HGR-Net手势分割网络的前5层作为主干网络,并在主干网各层添加上下文信息增强层,使用全局均值池化操作,结合通道注意机制,增强显著性特征通道的权值,保证特征上下文信息的连续性,从而解决类内不一致问题;其次,本文还提出一种基于风格迁移的领域自适应方法,使用VGG网络,对源域测试图像进行风格迁移预处理,使其同时具有自身内容和目标域训练样本图像的风格,提高本文的手势分割模型的泛化能力,从而解决跨域样本的分割问题.使用OUHANDS数据集进行测试,本文的手势分割结果mIoU和MPA分别为0.9143和0.9363,较HGR-Net手势分割网络提高了3.2个百分点和1.8个百分点.使用本文的风格迁移方法,并在自采集数据集上进行测试,迁移后的mIoU和MPA值分别提高了19个百分点和23个百分点.本文的风格迁移领域自适应方法为无标记样本的跨域分割提供了一种新的思路.
-
-
张璐;
陶然;
彭志飞;
丁金洋
-
-
摘要:
本文提出了一种基于改进AlexNet的双模态握笔手势识别方法.该方法根据握笔手势特征自建了 8 100张握笔手势数据集,对数据集进行了手势分割获取二值图像、骨架提取获取包含原图的骨架图像等处理,并将处理后的2种类型图像构成双模态图像输入至改进的AlexNet中.针对AlexNet提取握笔手势特征不充分的问题,本文将AlexNet第一层的卷积核大小修改为3×3,并在卷积层之后添加了批量归一化、注意力机制.通过实验证明,该方法对9种握笔手势的平均识别率达到75.6%,分别高于骨架图像、分割图像、AlexNet网络11%、16%和13%,证明了该模型对握笔手势识别的有效性.
-
-
张璐;
陶然;
彭志飞;
丁金洋
-
-
摘要:
本文提出了一种基于改进AlexNet的双模态握笔手势识别方法。该方法根据握笔手势特征自建了 8 100张握笔手势数据集,对数据集进行了手势分割获取二值图像、骨架提取获取包含原图的骨架图像等处理,并将处理后的2种类型图像构成双模态图像输入至改进的AlexNet中。针对AlexNet提取握笔手势特征不充分的问题,本文将AlexNet第一层的卷积核大小修改为3×3,并在卷积层之后添加了批量归一化、注意力机制。通过实验证明,该方法对9种握笔手势的平均识别率达到75.6%,分别高于骨架图像、分割图像、AlexNet网络11%、16%和13%,证明了该模型对握笔手势识别的有效性。
-
-
王忠祥;
姜明明;
谢伟;
惠倩;
龙振宇
-
-
摘要:
手势识别系统是现阶段的热点研究方向之一,本系统利用图像预处理、手势分割、手势识别等相关处理技术,对简单手势进行识别.图片预处理是将图像进行灰度化、边缘检测、平滑等预处理,然后将预处理后的图片采用二值化方法进行手势分割,经过处理后再把手势与手势库里的图片进行对比来实现手势识别.本系统遵循简单可靠的理念,选择了像素对比的方法.
-
-
-
田秋红;
杨慧敏;
梁庆龙;
包嘉欣
-
-
摘要:
基于视觉的动态手势识别是人机交互领域应用较为广泛的技术,其发展对于实现人机自然交互有着重要研究意义.文章介绍并分析了目前常用的手势交互系统.通过对近年来国内外相关文献的领域研究进行梳理,概述了视觉动态手势识别的一般流程,其流程包括检测与分割、追踪、特征提取、分类,并对各流程所涉及的方法及优缺点进行了对比分析;探讨了视觉动态手势识别研究所面临的挑战性问题和未来可能的研究方向,为推动该领域的进一步研究提供参考.
-
-
卫保国;
徐勇;
刘金玮;
周佳明
-
-
摘要:
基于运动信息与肤色特征相结合的手势分割是目前最主流的手势分割方法,该类方法易受光照变化、背景变化、运动轨迹重合等因素的影响,并且所采用的肤色模型对不同肤色的手势不具有适应性.针对以上问题,提出了一种先检测手势再自适应分割手势的方法.首先设计了一种基于空洞卷积的主干网络和一套Anchor方案将SSD(single shot multi-box detector)改进为手势检测模型,通过该模型初步分割出手势ROI(region of interest)以避免类肤色背景的影响.然后根据手势ROI建立YCrCb高斯肤色模型,以使肤色模型对不同的手势肤色具有很好的适应能力.实验结果表明,在多种复杂场景下,本文的手势分割算法能够避免类肤色背景的影响并且对不同肤色的手势都取得了非常好的分割效果.