登录

  • 登录
  • 忘记密码?点击找回

注册

  • 获取手机验证码 60
  • 注册

找回密码

  • 获取手机验证码60
  • 找回
毕业论文网 > 任务书 > 电子信息类 > 通信工程 > 正文

基于深度学习的手势识别方法研究任务书

 2020-02-17 01:02  

1. 毕业设计(论文)主要内容:

手势识别分为静态手势识别与动态手势识别,静态手势也称为手型识别,是指在获取信息输入后,通过卷积神经网络技术识别静态手势,比如握拳或者五指张开。但此技术只能识别预先设定好的状态,控制感弱,人机交互能力差。而动态手势识别得益于更先进的计算机视觉算法,不仅可以识别手型,还可以追踪手势运动,已经成为了人机交互领域的研究重点与热点。动态手势识别可大致分为两个过程,第一个过程为基于图像特征(轮廓,边缘等)的手势分割,第二个过程为基于卷积神经网络的手势识别。本课题拟设计一种基于卷积神经网络的算法,用于识别动态手势。基于Tensorflow平台搭建动态手势识别模型,并利用ChaLearn Gesture Data (CGD)手势数据集测试识别精度与识别速度。

2. 毕业设计(论文)主要任务及要求

(1)查阅相关文献资料15篇以上(其中近5年外文文献不少于3篇)。

(2)完成开题报告及任务书。

(3)设计并实现基于图像特征的手势分割算法。设计并实现基于卷积神经网络的手势识别模型,并在cgd数据集上测试识别精度与速度。

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. 毕业设计(论文)完成任务的计划与安排

(1)第1-4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。

(2)第5-6周:熟悉掌握基本理论,完成英文资料的翻译,熟悉相关工具软件的使用。

(3)第7-9周:设计并实现基于图像特征的手势分割算法。

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. 主要参考文献

[1] x. zhou, q. wan, w. zhang, x. xue and y. wei. model-based deep hand pose estimation. cvpr arxiv:1606.06854, 2016.

[2] c. zimmermann, t. brox. learning to estimate 3d hand pose from single rgb images. iccv arxiv:1705.01389, 2017.

[3] 吴晓风, 张江鑫, 徐欣晨. 基于faster r-cnn的手势识别算法[j]. 计算机辅助设计与图形学学报, 2018, 30(3):468-476.

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

微信号:bishe985

Copyright © 2010-2022 毕业论文网 站点地图