期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到1篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
驾驶人手机通话行为中基于图像特征决策融合的手势识别方法 被引量：6
1
作者 程文冬 马勇 魏庆媛 《交通运输工程学报》 EI CSCD 北大核心 2019年第4期171-181,共11页
为鲁棒检测自然环境中驾驶人的通话行为,提出了一种驾驶人手机通话手势的识别方法。运用Adaboost算法检测驾驶人面部区域,在YCgCr色彩空间中分别对面部肤色亮度分量和色度分量进行稀疏网格间隔采样,由此建立了肤色的高斯分布模型;针对... 为鲁棒检测自然环境中驾驶人的通话行为,提出了一种驾驶人手机通话手势的识别方法。运用Adaboost算法检测驾驶人面部区域,在YCgCr色彩空间中分别对面部肤色亮度分量和色度分量进行稀疏网格间隔采样,由此建立了肤色的高斯分布模型;针对驾驶室光照强度的不均匀性,提出了肤色分量的漂移补偿算法,建立了适应光照变化的在线肤色模型,以准确分割左右手部肤色区域;运用HOG算法获取手部肤色区域的2 376维HOG特征向量,运用PCA方法将HOG特征降至400维;同时提取手部肤色区域的PZMs特征,并采用Relief算法筛选出权重最大的8个PZMs特征向量,建立了融合PCA-HOG特征和Relief-PZMs特征的通话手势支持向量机分类决策。试验结果表明:基于PCA-HOG特征的手势识别率为93.1%,对光照变化的鲁棒性较好,但易受到手部与头部转动的干扰;基于Relief-PZMs特征的手势识别率为91.9%,对于头部与手部姿态的耐受度较好,但光照鲁棒性较差;基于PCA-HOG和Relief-PZMs多元特征融合方法的手势识别率达到94.5%,对光照波动、手部与头部转动等干扰条件具有较好的适应性。 展开更多
关键词 信息处理 通话手势识别 机器视觉 肤色模型 HOG特征 pzms特征 决策融合
原文传递
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部