广东省科技计划工业攻关项目(2009B030803031)
- 作品数：6 被引量：51H指数：5
- 相关作者：李文生邓春健解梅姚琼吕燚更多>>
- 相关机构：电子科技大学中山学院更多>>
- 发文基金：广东省科技计划工业攻关项目广东省自然科学基金更多>>
- 相关领域：自动化与计算机技术更多>>
- 基于Laguerre正交基神经网络的动态手势识别被引量：4
- 2011年
- 提出一种基于Laguerre正交基前向神经网络的动态手势识别方法.首先根据多项式逼近和矩阵理论,构造了一种以Laguerre正交多项式作为隐含层神经元激励函数的多输入、多输出三层前向神经网络模型,在网络权值迭代计算公式基础上推出一种基于伪逆的直接计算网络权值方法,避免求取权值的反复迭代过程;提出一种快速的基于颜色的指尖检测跟踪算法以便实时获取指尖运动轨迹,并提取指尖运动轨迹的特征向量作为Laguerre神经网络的输入向量;通过预先获取的动态手势样本(包括手势输入向量和预期结果)训练Laguerre神经网络,利用经过训练的Laguerre神经网络来识别通过摄像头获取的动态手势.测试结果表明:Laguerre正交基前向神经网络能够提高学习训练速度和精度,而且在动态手势识别方面具有较好的鲁棒性和泛化能力,具有较高的识别准确率.
- 李文生解梅姚琼
- 关键词：权值直接确定动态手势识别
- 粒子群优化神经网络在动态手势识别中的应用被引量：7
- 2011年
- 为了提高动态手势学习训练速度和识别准确率,本文提出一种基于粒子群优化BP神经网络的动态手势识别方法。首先基于自然人机交互需要,定义一套基于机器视觉的动态手势模型;在获取指尖运动轨迹的基础上,提取动态手势的特征向量作为神经网络的输入;利用改进的PSO算法训练BP神经网络,得到神经网络的权值和阈值;最后利用训练过的神经网络识别基于机器视觉的动态手势。测试结果表明:改进的PSO算法能够提高神经网络训练速度和精度,进而提高动态手势识别准确率。
- 李文生姚琼邓春健
- 关键词：机器视觉BP神经网络动态手势识别粒子群
- 基于机器视觉的动态多点手势识别方法被引量：10
- 2012年
- 提出了一种高效的基于HSV颜色空间的多目标检测跟踪方法,实现通过摄像机实时检测跟踪多个指尖目标;定义了一套基于指尖运动轨迹的动态手势模型,并提出了动态手势识别方法:对于两点动态手势,通过BP神经网络进行手势学习和手势识别,而对于模拟鼠标手势和四点动态手势,利用指尖之间相互位置关系进行手势识别。测试结果表明,该方法能够快速、准确的跟踪多个运动的指尖目标并进行动态多点手势识别。
- 李文生解梅邓春健
- 关键词：机器视觉BP神经网络动态手势识别人机交互
- 基于触摸显示屏的人机交互手势分析被引量：12
- 2011年
- 针对触摸显示屏的操作特点提出了一种基于元动作的触摸手势分类和表示方法,根据人机交互要求定义了一套笔画触摸手势,提出了基于RBF神经网络的笔画触摸手势训练和识别方法。测试结果表明,所提出的方法能够快速、准确地对触摸手势进行训练和识别,可以为带触摸屏的设备提供一个更加自然、直观的人机交互手段。
- 李文生邓春健吕燚
- 关键词：触摸显示屏手势识别RBF神经网络人机交互
- 基于Hermite神经网络的动态手势学习和识别被引量：7
- 2012年
- 为提高动态手势学习速度和识别准确率,本文提出一种基于Hermite正交基前向神经网络的动态手势识别方法。利用Camshift算法实时跟踪手势运动轨迹,提取手势特征向量作为神经网络的输入;以Hermite正交基函数作为隐含层激励函数构造三层前向神经网络,并给出一种基于伪逆的直接计算权值方法和根据网络目标精度要求自适应确定隐含节点数目方法;运用训练好的Hermite神经网络识别动态手势。测试结果表明:Hermite神经网络能够提高网络的学习训练速度和精度,提高手势学习速度和识别准确率,而且在手势识别方面具有较好的鲁棒性和泛化能力。
- 李文生解梅邓春健姚琼
- 关键词：权值直接确定动态手势识别
- 基于多点手势识别的人机交互技术框架被引量：16
- 2011年
- 提出了一种基于机器视觉的多点手势识别方法及其人机交互技术框架。指尖跟踪和手势识别服务程序通过一个普通的摄像机捕获用户手的运动,对多个指尖目标进行实时检测和跟踪,在指尖跟踪结果基础上利用BP神经网络实现多点手势识别,并根据指尖跟踪和手势识别结果构造相应的消息(包括低级指点消息和高级手势消息)发送给客户端应用程序,客户端响应消息并进行相应的处理。该框架可以帮助开发人员的在应用程序中增加类似iPhone多点触摸控制的多点手势识别控制功能,实现更加自然的人机交互,提高用户操作体验。
- 李文生解梅邓春健
- 关键词：机器视觉人机交互
