-
题名基于体感控制耦合深度相机的手势识别算法
被引量：5
- 1
-
-
作者
龚茜茹
俞惠芳
-
机构
河南工业职业技术学院电子信息工程学院
西安邮电大学网络空间安全学院
-
出处
《光学技术》
CAS
CSCD
北大核心
2022年第3期341-349,共9页
-
基金
国家自然科学基金资助项目(61363080,61772326)
河南省高等学校青年骨干教师培养计划子基金项目(2016GGJS-236)
+1 种基金
河南省科技攻关计划基金项目(142102210556)
河南省科技攻关计划项目(142102210556)。
-
文摘
针对当前手势识别算法易受光线变化、复杂场景等干扰,从而导致手势识别准确性下降的问题,定义了一种体感控制与深度相机的手势识别算法。所提出的手势识别方法结合了体感控制(Leap Motion)传感器和Kinect深度传感器,可以有效提高手势识别精度与鲁棒性。通过体感控制传感器提取指尖与手的质心距离、指尖与手掌平面的高度、指尖与手掌中心的角度,以及指尖在手参照系统中的3D位置;通过Kinect深度传感器来提取手指样本与手部中心的距离、手部轮廓的局部曲率、手部形状的连通区域以及距离特征之间的相似性;为了结合两种不同传感器数据的互补信息,摒弃冗余,通过采集的指尖3D位置,找到旋转平移参数,以最小化所有采集帧中指尖点的平均投影误差来定义一种联合校准方法,确定体感控制传感器和Kinect深度传感器的外部参数,完成两种传感器坐标转换;采用支持向量机(SVM)进行分类学习,完成手势识别任务。实验表明:相对于已有的手势识别算法,所提算法不仅在Jochen.Triesch手势数据库中具有更高的平均识别率,约为97%,而且在不同光线、不同肤色和背景的复杂环境下,其同样具有更高的准确率与稳健性。
-
关键词
手势识别
体感控制
深度相机
联合校准
质心距离
平均投影误差
传感器坐标转换
SVM
-
Keywords
gesture recognition
somatosensory control
depth camera
joint calibration
centroid distance
average projection error
sensor coordinate conversion
SVM
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名基于改进麻雀搜索算法的摄像机标定优化方法
- 2
-
-
作者
商海
倪受东
苏智勇
-
机构
南京工业大学机械与动力工程学院
-
出处
《计算机技术与发展》
2023年第3期146-151,160,共7页
-
基金
江苏省科技政策引导类计划(产学研合作)/前瞻性联合研究项目(BY2016005-05)。
-
文摘
目前一些摄像机标定方法,比如DLT标定法、Tsai标定法和张正友标定法,都有着简单且易标定的优点,但也存在着标定精度低、鲁棒性差等缺点。为了有效地解决这些问题,在麻雀搜索算法的基础上考虑其与鸟群算法相结合,提出了一种改进麻雀搜索算法(improved sparrow search algorithm, ISSA)对目标摄像机进行标定。首先,利用MATLAB对标定板进行预拍摄;其次,利用MATLAB软件中自带的标定工具箱对采集的图像进行预标定,得到初始的摄像机内外参数;然后,构建平均重投影误差的适应度函数,并用ISSA对构建的平均重投影误差的适应度函数进行优化,利用适应度函数的优化对内外部参数进行优化;最后,与基于麻雀搜索算法、天牛须搜索算法(BAS)的摄像机标定方法进行实验对比,发现基于ISSA、SSA和BAS的摄像机标定方法的平均重投影误差分别为0.002 9 pixel、0.004 9 pixel和0.003 7 pixel,说明ISSA算法相对于另外两个算法在标定精度上有着一定的提升,且稳定性与鲁棒性都有所提高。
-
关键词
摄像机标定
内外部参数
畸变系数
鸟群算法
适应度函数
平均重投影误差
改进麻雀搜索算法
-
Keywords
camera calibration
internal and external parameters
distortion coefficient
bird swarm algorithm
fitness function
average re-projection error
improved sparrow search algorithm
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
