简介:摘要: 手势识别归属于人工智能领域中的模式与视觉识别,指在自然的人机交互状态下计算机识别人类手势的技术。本手势识别系统,使用了Meidapipe的holistic模型,得到10335条训练数据,模型训练效率和准确性都得到显著提高,模型的准确率提升到了99.81%。通过尝试4种训练模型:LogisticRegression、RidgeClassifier、GradientBoostingClassifier和RandomForestClassifier,选择精度最高的RandomForestClassifier,保证了识别准确率。将这一识别精度高的手势识别系统应用于多媒体教学中,增强多媒体教学的灵活性。
简介:摘要:随着我国经济的不断发展、科技的不断进步,越来越多的高新科技产业融入人们的生活,给人们的生活带来了极大的帮助,不仅提高了人们的生活质量,还让人们的生活越来越简单便利。手势识别系统就是一个全新的高新科技,为人们解锁开锁等方面提供了不少的便利,在传统的手势识别装置中,往往会需要大量的复杂的设备进行计算,从而增加手势识别系统生产成本,所以想要提高性价比,增加人们方便程度,就有团队不断改良手势识别系统。目前,电容感应的手势识别系统闯入人们视野,因为这样的系统相对硬件要求小,而且功耗小,对环境光强不敏感,只需要手放在上面,便可通过电容传感实现识别解锁,这样的设计方案不仅大大的提高了工作效率,更为人们生活提供了方便,而且节约成本,减少成本输出,还遵循了绿色环保发展的特点。本文主要对系统的硬件与软件设计进行了解说和分析,最后根据设计内容进行系统测试,将测试结果传达给各位,希望对有关部门有所帮助。
简介:摘要:为了加强与聋哑人群的无障碍沟通,团队提出了一种高效的手语识别技术。该项技术是利用了改良后的HOG算法、SVM技术和改进Canny算法。HOG算法的改良解决了主、副对角线上像素的灰度信息的问题;结合使用SVM技术,对静止哑语姿势进行特征提取和训练,从而有效捕捉手势的关键特征;改进Canny算法解决移动边界的提取问题,最大限度的提升了识别率和识别速度。通过实验验证,我们发现这种方法在识别成功率和时间效率方面,都优于传统的HOG特征结合SVM的方法。这种技术的实现,为聋哑人士与听力正常人群之间的交流提供了更加流畅的通道,是无障碍通信领域的一大进步。
简介:摘要:地铁驾驶员在列车运行过程中,需要按规范做一些手势动作。目前主要依赖人工通过监控视频观察来确认驾驶员是否有做手势、手势是否规范,这种方法非常低效和不可靠。本文提出一种基于深度学习的地铁驾驶员手势识别方法,自动完成手势动作的识别和评价。首先根据经验从图像中选择ROI区域,通过图像分割方法把驾驶员和信号显示屏分割出来。然后基于分割结果和预定义规则,过滤掉不包含手势动作的视频帧。再对每一帧视频图像进行动作分类,得到预测的动作序列。最后压缩合并相邻相同动作,得到简化动作序列,与规范动作序列进行对比,判断手势是否符合规范。实验结果表明,本文提出的方法非常可靠,速度也可以满足实际应用要求。