基于傅立叶描述子的手势特征提取与识别开题报告

 2020-02-18 06:02

1. 研究目的与意义(文献综述)

1.1 研究目的及意义

手势是人们日常生活中最广泛使用的一种交流方式。手势作为人类最自然的表达方式之一,在日常生活中得到了广泛的应用。手势生动、形象、直观,而且蕴涵着丰富的信息,是人与人沟通的重要媒介。在人机交互的发展过程中先后出现了基于文本方式的键盘、基于图形方式的鼠标等交互接,然而从某种程度上说,这些机械设备在人机交互方面是不方便和不和谐的,随着计算机科学的快速发展,研究符合人类交流习惯的人机交互技术成为国内外关注的热点,这些研究包括人脸识别、面部表情识别、头部运动跟踪、眼睛识别、手势识别以及人体姿势识别等。这些技术把机器作为人机交互的中心,在人机交互时人需要去适应机器的输入输出设备,对机器没有主动控制的能力。总体来说,人机交互的研究已经从以计算机为中心转移到以人为中心,大大提高了人机交互的效率。目前,手势识别的研究受到了越来越广泛的关注。伴随着人机交互技术的飞速发展,手势识别技术也迎来了一波高潮。

目前基于手势的交互已经成为人机交互的重要内容。手势识别的应用前景十分广阔:

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

2. 研究的基本内容与方案

手势识别的方法主要有三种:模板匹配法、隐马尔可夫模型法以及神经网络法,本文采用基于python3.7的编程环境利用模板匹配的方法对字母手势进行识别,模板匹配法主要用于静态手势的识别。模板匹配法首先要进行手势训练以建立模板库,然后提取出合适的特征向量与模板进行匹配,由于每个人的手指粗细大小不同,而且同一个手势平移以及偏转之后的意义并不影响手势本身所传达的意思,所以手势识别中提取的特征向量必须要保证其视觉不变,即消除平移、旋转、缩放、粗细变化等各种视觉敏感问题。本文提取出傅立叶描述子作为特征向量,来消除视觉敏感问题,保证对于平移、旋转、缩放、粗细变化等各种仿射变换的不敏感性。主要分为图像预处理、手势分割、特征提取、模式匹配、系统实现五个步骤,流程图如下:

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

3. 研究计划与安排

第1-3周:查阅相关文献资料,明确研究内容,了解研究所需理论基础。确定方案,完成开题报告。

第4-5周:熟悉掌握基本理论,完成英文资料的翻译,研读相关资料。

第6周:熟悉python开发环境,掌握tensorflow、opencv等相关库的使用。

剩余内容已隐藏,您需要先支付后才能查看该篇文章全部内容!

4. 参考文献(12篇以上)

[1]朱明敏. 基于视觉的手势识别及其交互应用研究[d]. 南京理工大学, 2017.

[2]杜宇. 基于深度机器学习的体态与手势感知计算关键技术研究[d]. 浙江大学, 2017.

[3]赵健. 基于视觉的手势识别和人体姿态跟踪算法研究[d]. 北京交通大学, 2014.

剩余内容已隐藏,您需要先支付 5元 才能查看该篇文章全部内容!立即支付

该课题毕业论文、开题报告、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。