基于数据手套的动态手势识别研究

发布时间：2020-12-09 01:05

　　作为人机交互技术研究领域的热点之一,手势识别得到了国内外研究学者的深入研究,并且在虚拟现实,人工智能等方面也得到了广泛的应用。手势识别根据手部是否产生运动分为静态手势识别和动态手势识别;根据获取手部姿态方式不同分为基于非接触式传感器的手势识别和基于接触式传感器的手势识别。随着传感器的普及应用,基于接触式传感器的手势识别得到了飞速发展,特别是基于数据手套的手势识别,数据手套通过使用多个传感器可以更直观的获取手部姿态的三维空间信息,并且不受周边环境的约束,与基于非接触式传感器的手势识别相比,基于数据手套的手势识别的研究和应用价值更高。目前手势识别研究工作主要集中于识别算法的研究,忽视了人机交互中以用户为中心的理念,限制了识别算法在手势识别中的实际应用。本文总结了目前手势识别算法的相关知识,结合手势识别技术在虚拟现实训练装配场景中的应用,设计了一套以用户为中心的手势识别方法。首先,为保证用户在虚拟现实场景中拥有更自然、更沉浸式的体验,本文参考中国手语手册、人手部骨骼关节和数据手套传感器的分布对手势进行了定义;其次,分析数据手套采集的数据优缺点,对手势样本训练集做了优化处理,并针对k-mean... 

【文章来源】：大连海事大学辽宁省 211工程院校

【文章页数】：58 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
1 绪论
    1.1 研究背景和意义
    1.2 国内外研究现状
        1.2.1 基于视觉的手势识别研究现状
        1.2.2 基于数据手套的手势识别研究现状
        1.2.3 手势识别应用现状
    1.3 研究课题的主要内容
    1.4 论文组织结构
2 手势识别相关内容及算法介绍
    2.1 手势识别技术相关概念
        2.1.1 基于非穿戴设备的手势识别
        2.1.2 基于穿戴式设备的手势识别
        2.1.3 优缺点比较
    2.2 常见的基于数据手套的手势识别算法
        2.2.1 隐马尔可夫模型
        2.2.2 BP神经网络算法
        2.2.3 动态时间规整算法
        2.2.4 优缺点比较
    2.3 本章小结
3 手势定义及数据预处理
    3.1 数据手套简述点
    3.2 手势定义
        3.2.1 手部姿态分析
        3.2.2 面向虚拟现实训练的手势构建
    3.3 数据预处理
        3.3.1 训练样本的缺点
        3.3.2 训练样本的优化
    3.4 本章小结
4 基于特征模板带阈值的DTW算法的手势识别
    4.1 划时间区域的双重k-means特征提取方法
        4.1.1 k-means算法
        4.1.2 k值和初始质心的优化选择
        4.1.3 特征提取
    4.2 起止标签
    4.3 基于特征模板带阈值的DTW算法
        4.3.1 特征模板
        4.3.2 最大累积距离
    4.4 相似度匹配过程
    4.5 实验过程
        4.5.1 特征提取
        4.5.2 手势识别
    4.6 实验结果与分析
    4.7 实例验证结果与分析
    4.8 本章小结
5 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
作者简历及攻读硕士学位期间的科研成果



本文编号：2905987