结合Kinect传感器提出一种改进的SURF(speeded up robust features)算法进行静态手语字母识别的方法。Kinect传感器采集深度图像进行手势分割可以克服光照变化、复杂背景带来的干扰;改进的SURF算法对实时图像与模板图像的积分图进行计...结合Kinect传感器提出一种改进的SURF(speeded up robust features)算法进行静态手语字母识别的方法。Kinect传感器采集深度图像进行手势分割可以克服光照变化、复杂背景带来的干扰;改进的SURF算法对实时图像与模板图像的积分图进行计算分析,提取两者的SURF关键点描述符,采用最近邻匹配算法对SURF算法自有的快速索引匹配的结果进行优化,克服了角度旋转变化对手语字母识别率的影响。实验证明,该方法在应对光照变化、复杂背景、角度旋转方面有很好的鲁棒性,平均识别率为97.7%。展开更多
随着电子技术的不断发展,智能手表等电子设备应运而生,这种可穿戴设备以最简洁的形式向用户提供有用可靠的信息。同时,多种MEMS惯性传感器(加速度计、陀螺仪、磁力计等)也被广泛的应用于移动电子设备中,促使产生了基于惯性传感器的可穿...随着电子技术的不断发展,智能手表等电子设备应运而生,这种可穿戴设备以最简洁的形式向用户提供有用可靠的信息。同时,多种MEMS惯性传感器(加速度计、陀螺仪、磁力计等)也被广泛的应用于移动电子设备中,促使产生了基于惯性传感器的可穿戴设备智能控制技术。本文所研究的该技术应用是手写字母识别技术。本文针对字母表中的26个英文字母,由志愿者佩戴手表后,用笔在纸上书写,每个字母的样本个数为30个左右。对于原始数据(时间、加速度以及陀螺仪数据),分段地特征提取,通过支持向量机(SVM)进行模型训练。实验结果表明:该系统对英文字母有着较高的识别准确率,准确率为95.38%,系统实现在LG G Watch上。展开更多
文摘结合Kinect传感器提出一种改进的SURF(speeded up robust features)算法进行静态手语字母识别的方法。Kinect传感器采集深度图像进行手势分割可以克服光照变化、复杂背景带来的干扰;改进的SURF算法对实时图像与模板图像的积分图进行计算分析,提取两者的SURF关键点描述符,采用最近邻匹配算法对SURF算法自有的快速索引匹配的结果进行优化,克服了角度旋转变化对手语字母识别率的影响。实验证明,该方法在应对光照变化、复杂背景、角度旋转方面有很好的鲁棒性,平均识别率为97.7%。
文摘随着电子技术的不断发展,智能手表等电子设备应运而生,这种可穿戴设备以最简洁的形式向用户提供有用可靠的信息。同时,多种MEMS惯性传感器(加速度计、陀螺仪、磁力计等)也被广泛的应用于移动电子设备中,促使产生了基于惯性传感器的可穿戴设备智能控制技术。本文所研究的该技术应用是手写字母识别技术。本文针对字母表中的26个英文字母,由志愿者佩戴手表后,用笔在纸上书写,每个字母的样本个数为30个左右。对于原始数据(时间、加速度以及陀螺仪数据),分段地特征提取,通过支持向量机(SVM)进行模型训练。实验结果表明:该系统对英文字母有着较高的识别准确率,准确率为95.38%,系统实现在LG G Watch上。
