手势识别

摘要： 基于超声波的非接触式传感扩展了移动设备的交互范围,提出了一种超声传感系统,它可以在多种表面材料上工作,只需要一对声音收发器。该系统使用了多普勒频移和信道脉冲响应来捕捉微妙的手部动作;然后通过卷积神经网络(CNN)从测量的信号数据中提取判别特征,形成对用户手势动作进行识别和身份验证的超声传感系统。在智能手机上实现了超声传感系统,并进行了大量的真实环境实验来评估其性能。实验结果表明:仅使用一个收发器对,它的性能可以与多收发器对实现相媲美;还可以用于多种材料表面,且不需要捕获用户的生物信息即可对用户手势识别,以及辅助身份验证的准确性超过96%。

摘要： 针对轻量型目标检测网络对静态手势特征提取能力不足、错检率和漏检率高的问题,基于YOLOv4-tiny网络结构提出轻量型手势识别算法.首先引入表征力更强、成本更低的重影特征映射,增强网络获取多尺度手势特征的能力;然后嵌入通道注意力机制实现特征重标定,达到减少背景干扰的目的;最后采用Swish作为主激活函数,进一步提升手势识别准确率.在手势数据集上的实验结果表明,相比YOLOv4-tiny,所提算法具有较优的识别性能;并且对于不同环境条件下的多尺度手势,该算法能够实现精准的分类和实时的检测,对小尺度的手势具有更好的识别效果.

摘要： 为了提高手势识别过程中识别率,提出了一种基于双通道卷积神经网络(CNN)的识别算法。首先,对原始手势图像进行预处理,得到手部边缘图像;然后,分别选取手势图像和手部边缘图像作为CNN的两个输入通道;最后,在全连接层进行特征融合,并用SoftMax分类器对输出结果进行分类。通过实验证明:该算法能有效提高手势识别率,达到99.6%,增强了CNN的泛化能力。

摘要： 高灵敏度、宽感应范围的柔性力敏传感器是当前柔性传感领域的重要需求。通过将MXene覆盖在氨纶包覆纱纤维表面,制备了一种新型的氨纶纤维应变式电阻传感器。该传感器能将拉伸应变转换成传感器内部导电通道的断裂和重组,进而引起电阻变化。对传感器的拉伸性能和应变传感性能进行检测,检测结果显示,提出的传感器具有较宽的应变范围、较好的稳定性和可重复性、较高的灵敏度。该传感器在0%~40%、40%~50%的应变范围下,传感器的灵敏度分别约为5.82、46.61,且能够稳定地监测手指的弯曲和伸展运动,在未来的可穿戴电子产品中具有潜在的应用价值。

摘要： 随着感知计算以及传感器集成技术的发展,使用各种传感设备实时捕捉的手势运动数据,为人机交互提供了新的驱动力,并被广泛地应用于智能家居、远程医疗、虚拟现实等领域.由于手势动作具有时序性与空间连接性,因此在手势识别中需要考虑手势空间连接关系和手势长距离依赖特性.然而现有的手势识别方法忽略了上述两种特性,导致识别精度不高.本文提出了基于时空图神经网络的手势识别算法,该方法从传感器空间分布角度出发,基于传感器的空间位置信息,借助图神经网络(Graph Neural Networks,GNN)对手势数据之间的空间关联性进行表征,并引入门控循环单元(Gated Recurrent Unit,GRU)解决手势的时序性和长距离依赖问题,增强手势识别性能.在多种数据集上的实验结果证明本文方法可行且有效.

摘要： 基于手势识别的人机交互技术中,存在静态手势识别速度慢和精度低,以及手势动作可扩展性不强等问题,提出了融合注意力机制的Yolov4-Tiny算法,采用基础手势结合手势状态变化方式设计动作语义,根据动作语义调用相应的应用函数,实现人机交互。测试结果表明:所设计的算法在保证识别速度的基础上识别精度提升了19.38%,动态手势识别准确率达到96.5%,人机交互运行时间小于200 ms。

摘要： 激光雷达已被广泛应用于诸如深度感知、测绘测距、跟踪测量、武器制导、大气监测、交通管理、人脸或手势识别、机器人避障等众多领域。本文以激光雷达中的一个分支“闪光雷达”的专利申请作为分析对象,重点分析全球及中国范围内关于闪光雷达的发展趋势、申请人、申请地域、核心专利及发展状态等信息,以方便读者全面了解闪光雷达现有技术发展水平。

摘要： 随着人机交互技术的不断发展,人与机器智能交流也受到越来越多专家学者的关注。如今,手势识别作为当前人机交互的主要方式之一,已经广泛应用于图像处理和虚拟现实等领域。文章打破以往会议中使用鼠标或者翻页笔进行会议控制的局限性,并基于手势识别的优越性设计出根据会议演讲者的实时手势操作对PowerPoint进行实时控制的会议控制系统。

摘要： 针对传统神经网络算法普遍存在识别准别率不高、运算量较大的问题,以手势分类识别为目标,通过人体肤色特征和SVM模型,设计一种手势识别检测模型。方法采用椭圆傅里叶算子算法提取出手势区域的轮廓,构成手势的特征向量。将肤色空间从RGB空间转到HSV空间下,从背景中将手势区域分离出来,在手势完整性方面引入形态学处理技术,有效填补手势图片中的黑洞区域和去除白点区域,直接对手势图片进行边缘处理。利用Qt制作客户端实现了基本数字手势的快速识别,并进行验证实验。实验结果表明,该方法在手势识别的准确率方面相比于传统算法都有所提高。

摘要： 针对现有基于商用WiFi设备的人体手势识别方法存在的子载波选择不够优化、动作区间截取不够精确等问题,提出一种基于近似熵子载波选择的人体手势识别(AEGR)方法。利用提出的最小近似熵法构建识别方法待处理的CSI幅值数据,对构建的数据采用小波去噪和中值滤波组合法进行去噪;利用滑动窗极差法精确截取CSI幅值的动作区间,据此提取用于分类的8个特征量;利用随机森林算法进行人体手势识别。实验结果表明,AEGR方法的手势识别准确率可达98.75%,验证了其良好性能。

摘要： 基于毫米波雷达的手势识别是利用电磁波获取人体动态手势的运动特征,实现手势的自动识别.本文提出一种调频连续波(FMCW)毫米波雷达的手势识别技术,对雷达回波进行分析处理,经过雷达信号检测,在复杂环境中对手势与雷达距离、速度等特征进行提取,得到雷达与目标的距离加权多普勒、方位角、俯仰角、方位角俯仰角协方差、方位角加权多普勒相关性、俯仰角加权多普勒相关性这六种特征,根据特征使用浅层人工神经网络对6种手势进行识别分类.通过实验证明,此方法可以快速有效的识别出不同类别手势,对于未训练的测试集有很好的泛化性.

摘要： 针对目前电力系统操控领域中存在的触电等安全隐患,将手势识别技术应用到电力系统中,设计了一套以Kinect采集设备、PC机、单片机为平台的复杂背景下基于视觉的手势识别在高压危险检测和控制领域中的应用系统.该系统研究并采用了基于深度图像阈值分割前景背景和肤色检测相结合的手势检测方法,和基于手势之间放缩比例一致性、旋转角度一致性模板匹配的手势识别方法.实验结果表明,该系统平均识别率达94.26％,鲁棒性好.

摘要： 针对连续手势识别时存在的实时性较差、准确性低等问题,本文利用手势之间的顺序性约束条件,提出了一种分层隐马尔科夫模型的连续手势识别方法.首先,利用深度传感器获取人体运动的三维加速度和角速度信息;其次,将神经网络用于手势检测,再利用阈值方法提取手势信号;随后,利用移动窗口对手势信号进行采样和数据预处理最后,将一种手势之间的约束条件加入到分层隐马尔科夫模型中来实现对连续手势的识别.分层隐马尔科夫模型分为下层和上层两个子隐马尔科夫模型.下层隐马尔科夫模型将用于识别单个手势,而上层隐马尔科夫模型将按照动作之间的上下文约束条件识别与修正连续手势动作.通过与机器人的手势交互实验,验证了本文提出算法的有效性与准确性.

摘要： 为了增强手势识别的多样性和简便性,提出了一种基于肌电信号(EMG)和加速度(ACC)信息融合的方法来识别动态手势.首先,利用MYO传感器采集EMG和ACC的手势动作信息;然后分别对ACC和EMG信号作特征降维和预处理;最后,为减少训练样本数,提出用协作稀疏表示分类器来识别基于ACC信号的姿态手势,用动态时间规整(DTW)算法和K-最邻近分类器(KNN)来分类EMG信号的手形手势.其中在利用协作稀疏表示分类器识别ACC姿态信号时,通过对创建字典最佳样本个数以及特征降维的维数进行研究来降低手势识别的复杂度.实验结果表明,手形手势的平均识别率达到了99.17％,对于向上向下、向左向右4种姿态手势平均识别率达到96.88％,而且计算速度快;对于总体的12个动态手势,其平均识别率达到96.11％.该方法对动态手势的识别率较高,计算速度快.

摘要： 面向增强现实的智能眼镜被预测为继手机之后的下一代计算设备.由于智能眼镜将不再配置鼠标、键盘、触摸屏等传统输入硬件,手势识别则将成为其主要的人机交互方式.本文在智能眼镜的硬件平台上开发了一种基于手势识别的三维人机交互技术.该交互技术首先通过内置深度相机采集到的深度信息获取手部三维坐标,然后分析色彩信息构建自适应肤色模型,最后通过k-NN和SVM两类机器学习算法进行手势分类与识别.实验结果表明,SVM算法的准确率高于k-NN算法.在简单背景和复杂背景中,SVM算法的准确率分别可达90.9％和72.6％.

摘要： 为促进当前无人平台遥控的发展,本文提出了一种基于多Leap Motion的手势识别工作空间的设计方法.在此基础上,利用基于规则的分类和基于SVM的分类相结合的分类方法完成对遥控手势库的设计.最后以一个小型无人小车作为无人平台的典型对象,模拟月球表面复杂未知环境,完成对无人平台的一系列遥控任务,验证了这种方法的有效性和可行性.

摘要： 手势识别作为新型人机交互方式之一,成为一项越来越重要的热点研究内容.综述了基于视觉传感器的手势识别和基于可穿戴式传感器的手势识别的研究进展,并对国内外研究状况进行了分析,从无人系统操控、手语智能翻译、虚拟现实体验等三方面对手势识别技术的应用进行了展望.

摘要： 针对聋哑人与正常人之间存在的交流障碍问题,提出了一种融合人脸表情的手语到汉藏双语情感语音转换的方法.首先使用深度置信网络模型得到手势图像的特征信息,并通过深度神经网络模型得到人脸信息的表情特征.其次采用支持向量机对手势特征和人脸表情特征分别进行相应模型的训练及分类,根据识别出的手势信息和人脸表情信息分别获得手势文本及相应的情感标签.同时,利用普通话情感训练语料,采用说话人自适应训练方法,实现了一个基于隐Markov模型的情感语音合成系统.最后,利用识别获得的手势文本和情感标签,将手势及人脸表情转换为普通话或藏语的情感语音.客观评测表明,静态手势的识别率为92.8％,在扩充的Cohn-Kanade数据库和日本女性面部表情(Japanese Female Facial Expression,JAFFE)数据库上的人脸表情识别率为94.6％及80.3％.主观评测表明,转换获得的情感语音平均情感主观评定得分4.0分,利用三维情绪模型(Pleasure-Arousal-Dominance,PAD)分别评测人脸表情和合成的情感语音的PAD值,两者具有很高的相似度,表明合成的情感语音能够表达人脸表情的情感.

摘要： 针对聋哑人与正常人之间存在的交流障碍问题,提出了一种融合人脸表情的手语到汉藏双语情感语音转换的方法.首先使用深度置信网络模型得到手势图像的特征信息,并通过深度神经网络模型得到人脸信息的表情特征.其次采用支持向量机对手势特征和人脸表情特征分别进行相应模型的训练及分类,根据识别出的手势信息和人脸表情信息分别获得手势文本及相应的情感标签.同时,利用普通话情感训练语料,采用说话人自适应训练方法,实现了一个基于隐Markov模型的情感语音合成系统.最后,利用识别获得的手势文本和情感标签,将手势及人脸表情转换为普通话或藏语的情感语音.客观评测表明,静态手势的识别率为92.8％,在扩充的Cohn-Kanade数据库和日本女性面部表情(Japanese Female Facial Expression,JAFFE)数据库上的人脸表情识别率为94.6％及80.3％.主观评测表明,转换获得的情感语音平均情感主观评定得分4.0分,利用三维情绪模型(Pleasure-Arousal-Dominance,PAD)分别评测人脸表情和合成的情感语音的PAD值,两者具有很高的相似度,表明合成的情感语音能够表达人脸表情的情感.

摘要： 针对聋哑人与正常人之间存在的交流障碍问题,提出了一种融合人脸表情的手语到汉藏双语情感语音转换的方法.首先使用深度置信网络模型得到手势图像的特征信息,并通过深度神经网络模型得到人脸信息的表情特征.其次采用支持向量机对手势特征和人脸表情特征分别进行相应模型的训练及分类,根据识别出的手势信息和人脸表情信息分别获得手势文本及相应的情感标签.同时,利用普通话情感训练语料,采用说话人自适应训练方法,实现了一个基于隐Markov模型的情感语音合成系统.最后,利用识别获得的手势文本和情感标签,将手势及人脸表情转换为普通话或藏语的情感语音.客观评测表明,静态手势的识别率为92.8％,在扩充的Cohn-Kanade数据库和日本女性面部表情(Japanese Female Facial Expression,JAFFE)数据库上的人脸表情识别率为94.6％及80.3％.主观评测表明,转换获得的情感语音平均情感主观评定得分4.0分,利用三维情绪模型(Pleasure-Arousal-Dominance,PAD)分别评测人脸表情和合成的情感语音的PAD值,两者具有很高的相似度,表明合成的情感语音能够表达人脸表情的情感.

摘要： 一种手势识别装置、手势识别服务器、手势识别系统及手势识别方法。该手势识别装置包括图像采集单元、视频编码单元、第一网络通信单元和指令执行单元。图像采集单元配置为采集手势图像数据；视频编码单元配置为对所述手势图像数据进行编码以形成视频流数据；第一网络通信单元配置为发送所述视频流数据以及接收手势操控命令；指令执行单元配置为根据所述手势操控命令执行对应的控制操作。该手势识别装置可以在不具有高性能的计算能力的情形下，也能够满足实时交互的需求。

摘要： 本发明提供了一种手势识别方法、手势识别装置和手势识别设备，其中，所述手势识别方法包括：在根据红外反射信号强度值曲线确定有手势动作时，获取所述红外反射信号强度值曲线中的最大信号强度值、和所述红外反射信号强度值曲线中上升曲线段之前的多个信号强度值；根据所述多个信号强度值确定信号基准值，以根据所述信号基准值确定目标阈值；判断所述最大信号强度值和所述信号基准值之间的差值是否大于所述目标阈值，以确定所述手势动作是否是有效的。通过本发明的技术方案，可以准确地识别出检测到的手势动作是否为有效的手势动作。

摘要： 本发明公开了基于手势识别手套的手势识别方法、系统及手势识别手套。所述手势识别方法包括：接收用户终端上传的手势数据；其中，所述手势数据是所述用户终端根据所述手势识别手套采集的手指弯曲角度和手掌运动姿态而获得；基于深度学习算法，根据预存的标准手势数据对所述手势数据进行识别处理，得到手势信息；将所述手势信息返回至所述用户终端，由所述用户终端将所述手势信息传输至所述手势识别手套。本发明能够快速准确地识别穿戴人员的手势信息，帮助聋哑人与正常人进行无障碍交流。

摘要： 本发明公开了一种手势识别装置、手势识别方法及手势识别系统，手势识别装置采用纸为基底的传感器，同时将基底做成纸弹簧结构，利用纸通过折叠、压印等工艺制备微纳结构用于传感器的敏感单元，降低了传感器的制作成本，提高了传感器的环保等级且易回收，同时微纳结构及褶皱的存在促使传感器的灵敏度得到大幅度提高；手势识别中采用深度残差网络解决CNN模型训练难的问题，通过批量标准化进行加速训练，利用传感器获取手指运动信息和角度变化，同时与RGB网络摄像头视觉数据融合，可较快速有效率地判断手势。

摘要： 本发明提供一种手势识别装置，其基于由具有用于改变摄影范围的摄影范围改变机构的数码相机拍摄摄影对象人物而获得的图像，识别摄影对象人物的手所表示的手势，所述手势识别装置具备至少一个处理器，处理器进行如下处理：在图像内的摄影对象人物的面部的位置从预先设定的设定位置偏离的情况下，通过控制摄影范围改变机构的动作而使数码相机拍摄将面部的位置作为设定位置的适当面部位置图像，并基于从适当面部位置图像检测出的手的位置与设定位置之间的位置关系，判定所检测出的手是右手和左手中的哪一只手。

摘要： 本申请公开了一种手势识别方法、手势识别装置、手势识别系统及存储介质，该方法包括：获取肌腱上的振动信息；对振动信息进行处理，得到振动信息对应的特征；基于特征，对振动信息进行分类，得到肌腱对应的手势类别。通过上述方式，本申请能够有效地对手势类别进行分类和识别。

摘要： 本公开涉及一种手势识别方法、手势识别模块及手势识别系统。手势识别方法包含：对一影像进行一二值化处理，以取得一二值化影像，其中该二值化影像包括多个前景像素以及多个背景像素；判断该二值化影像中该多个前景像素是否包围至少一第一背景像素；以及当该多个前景像素包围该第一背景像素时，判断一手势符合一预设手势。

摘要： 一种手势识别装置、手势识别服务器、手势识别系统及手势识别方法。该手势识别装置包括图像采集单元、视频编码单元、第一网络通信单元和指令执行单元。图像采集单元配置为采集手势图像数据；视频编码单元配置为对所述手势图像数据进行编码以形成视频流数据；第一网络通信单元配置为发送所述视频流数据以及接收手势操控命令；指令执行单元配置为根据所述手势操控命令执行对应的控制操作。该手势识别装置可以在不具有高性能的计算能力的情形下，也能够满足实时交互的需求。

摘要： 本发明提供一种手势识别装置、方法及系统，手势识别装置包括：设置在与手指位置对应的至少一个传感器，传感器用于识别运动手指相对于其他手指的运动信息；输入方式判定单元，用于根据至少一个传感器检测到手势运动信息和角度变化信息判断识别装置需要的输入方式，其中输入方式包括模拟键盘的输入法、模拟功能键、模拟鼠标中至少一种；输入内容生成单元，当输入方式判定单元确定需要的输入方式时，输入方式生成单元根据至少一个传感器检测到手势运动信息和角度变化信息，分别对应生成对应在键盘上的输入位置、功能键的切换、鼠标移动方向中的一种；因此能够实现虚拟人机交互，得到快速、准确的模拟输入内容。

摘要： 本发明公开了一种人工智能用手势识别手环，属于手环领域，人工智能用手势识别手环包括手环本体以及至少一个的复合式力学传感器，至少一个的所述复合式力学传感器固定在所述手环本体上，所述复合式力学传感器包括用于与被感应物体相对运动的柔性感应层、电极感应层、压电材料层以及用于计算用户手势的信号处理器，所述电极感应层位于所述柔性感应层的一侧，所述柔性感应层与所述电极感应层之间留有间隙，所述压电材料层位于所述柔性感应层与所述电极感应层之间的间隙内，所述柔性感应层朝向所述手环本体的内侧。本发明人工智能用手势识别手环，通过手势识别手环检测聋哑人的手臂表面肌肉的力学信息来获取手势姿态信号，无需拍摄手势且易于穿戴且便携好。