基于生物识别的虚实交互方法研究与应用

发布时间：2022-08-09 10:26

　　生物识别技术是指通过计算机利用人体所固有的生理特征（指纹、虹膜、脸部、血管等）来进行个人身份鉴定的技术。而增强现实是一种利用计算机产生的附加信息对使用者观察到的真实场景进行增强或扩展的一门综合性技术,是近年来的一个研究热点,将两种技术有机结合是许多工业级研究的热门。将生物识别技术和增强现实技术两种技术有效地融合并应用于设备终端,以基于计算机视觉的手势识别为媒介实现虚拟与现实之间的交互。因此,本文针对生物识别中人脸识别和增强现实技术融合系统实时性的功能需求,以Kinect传感器为计算机视觉输入设备,提出了一种基于生物识别的虚实交互系统,通过人脸识别确定身份,利用动态手势识别和增强现实技术进行实时交互。通过对基于几何特征、基于稀疏表示、基于BP神经网络、基于卷积神经网络的人脸识别算法的测试与分析得知,基于几何特征的方法对于被遮挡的人脸图像的识别效果不佳,基于稀疏表示的方法在字典学习阶段容易出现冗余现象,基于BP神经网络的方法收敛速度较慢,易出现解决应用问题的实例规模和网络规模间的矛盾问题,基于卷积神经网络的方法中,其隐含层内的卷积核参数共享和层间连接的稀疏性使得卷积神经网络能够以较小的计算... 

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 课题研究背景及意义
    1.2 国内外研究现状
        1.2.1 人脸识别技术的研究现状
        1.2.2 基于计算机视觉的手势识别研究现状
        1.2.3 增强现实虚实交互研究现状
    1.3 课题研究内容
    1.4 论文组织结构
第2章 人脸识别方法的研究
    2.1 人脸识别的概述
    2.2 基于几何特征点的人脸识别
        2.2.1 预处理与初步确定人脸各器官分布区域
        2.2.2 确定特征点及构造特征向量
        2.2.3 基于特征点几何的人脸识别方法的实验与分析
    2.3 基于稀疏表示的人脸识别
        2.3.1 稀疏表示模型
        2.3.2 求解稀疏表示
        2.3.3 基于稀疏表示的人脸识别的实验与分析
    2.4 基于BP人工神经网络的人脸识别
        2.4.1 预处理
        2.4.2 PCA特征提取与BP神经网络分类器
        2.4.3 基于BP神经网络的人脸识别方法实验与分析
    2.5 基于卷积神经网络的人脸识别
        2.5.1 卷积神经网络的构造
        2.5.2 基于卷积神经网络的人脸识别的实验与分析
    2.6 人脸识别方法的对比测试与分析
    2.7 本章小结
第3章 手势识别与虚拟物体注册
    3.1 手势识别技术概述
    3.2 DTW算法
    3.3 DTW算法的改进
        3.3.1 建立冗余参考模板
        3.3.2 基于相关性的失真度计算
    3.4 手部信息提取及分割
        3.4.1 人体骨骼关节信息
        3.4.2 人手检测与分割
    3.5 基于DTW算法的手势识别实验与分析
    3.6 基于Kinect的标定技术
        3.6.1 Kinect摄像头标定与配准
        3.6.2 摄像头模型与坐标系
    3.7 基于自然特征的跟踪注册
        3.7.1 ORB特征点检测
        3.7.2 ORB特征描述符
        3.7.3 ORB算法人脸特征提取
        3.7.4 虚拟物体注册
    3.8 本章小结
第4章 增强现实交互技术研究
    4.1 虚实遮挡处理
    4.2 碰撞检测技术
    4.3 基于动态手势的交互
    4.4 本章小结
第5章 基于生物识别的虚实交互系统的实现
    5.1 虚实交互系统流程与框架
        5.1.1 系统环境与工作流程
        5.1.2 系统框架图
        5.1.3 人脸识别模块实现
        5.1.4 手势识别模块实现
    5.2 基于生物识别的虚实交互系统实现效果
    5.3 本章小结
第6章 结论
参考文献
致谢


【参考文献】：
期刊论文
[1]基于深度学习的人脸识别算法研究[J]. 杨涵.  电子设计工程. 2019(19)
[2]基于Kinect的动态手势识别算法改进与实现[J]. 李国友,孟岩,闫春玮,宋成全.  高技术通讯. 2019(09)
[3]基于KCF与改进ORB的增强现实方法[J]. 李一,冯楠,谭顺成.  计算机工程. 2019(08)
[4]基于分数阶微分的Kinect传感器深度图像阴影检测方法（英文）[J]. 张彤,刘晟,曹霆.  红外与激光工程. 2019(08)
[5]基于混合卷积神经网络的静态手势识别[J]. 石雨鑫,邓洪敏,郭伟林.  计算机科学. 2019(S1)
[6]基于长短时记忆网络的多媒体教学手势识别研究[J]. 秦敏莹,肖秦琨.  国外电子测量技术. 2019(06)
[7]基于多特征融合CNN的人脸识别算法研究[J]. 罗金梅,罗建,李艳梅,赵旭.  航空计算技术. 2019(03)
[8]生物识别技术应用的伦理问题研究综述[J]. 胡海明,翟晓梅.  科学与社会. 2018(03)
[9]基于BP神经网络的人脸识别系统研究[J]. 陈翔,白创,黄跃俊.  智能计算机与应用. 2018(03)
[10]增强现实技术研究现状及发展趋势[J]. 王宇希,张凤军,刘越.  科技导报. 2018(10)

博士论文
[1]基于RGB-D摄像机的增强现实系统关键技术研究[D]. 李佳宁.浙江大学 2017

硕士论文
[1]基于卷积神经网络人脸识别研究与实现[D]. 任飞凯.南京邮电大学 2019
[2]基于视觉的手势识别研究[D]. 李凯.桂林电子科技大学 2019
[3]基于卷积神经网络的人脸识别方法研究[D]. 鲁磊.西安科技大学 2019
[4]基于深度卷积神经网络的动态手势识别[D]. 李杰.山东大学 2019
[5]手势识别算法研究及实现[D]. 解栋文.安徽大学 2019
[6]国内外人脸识别研究热点及研究发展趋势对比分析[D]. 姚浩浩.合肥工业大学 2019
[7]基于稀疏表示的人脸识别方法研究[D]. 罗宵晗.杭州电子科技大学 2019
[8]基于计算机视觉的动态手势识别方法[D]. 闫世洋.南京邮电大学 2018
[9]移动增强现实跟踪注册技术的研究与应用[D]. 王楚迪.沈阳工业大学 2017
[10]基于深度一致性的虚实融合技术研究[D]. 秦勇旭.沈阳工业大学 2015



本文编号：3672388