-
公开(公告)号：CN107766842B
公开(公告)日：2020-07-28
申请号：CN201711101103.7
申请日：2017-11-10
Applicant: 济南大学
Abstract: 本发明提供了一种手势识别方法及其应用，属于智能教学领域。该手势识别方法包括：(1)，输入Kinect捕捉的深度图，进行样本序列预处理，获得合成的动态手势训练样本；(2)将合成的动态手势训练样本输入到训练好的深度学习模型中进行识别：训练好的深度学习模型根据分类输出每种分类的识别概率，找到其中最高的识别概率，其对应的分类就是识别的结果。利用本发明方法提高了手势的识别率以及鲁棒性，让老师能够用平常讲课过程中用到的自然手势来给学生上课,而不必重点记忆交互的方法,将有限的精力完全用于教学当中。
-
公开(公告)号：CN107679512A
公开(公告)日：2018-02-09
申请号：CN201710983280.6
申请日：2017-10-20
Applicant: 济南大学
IPC: G06K9/00
Abstract: 本发明提供了一种基于手势关键点的动态手势识别方法，属于计算机手势识别领域。其特征在于：所述方法通过逆时针获取人手的轮廓点坐标，进而确定手指指尖和指根的位置，根据指尖和指根的运动方向、距离和角度来识别常用的动态手势；所述动态手势包括：抓取，释放，平移，顺时针旋转，逆时针旋转以及前推。本发明提出了一种基于指尖的位置，距离和方向的动态手势识别算法。它可以避免内腔的手势和外部噪声的识别冲击。经过大量实验，本发明可以识别抓握，放置，顺时针旋转，逆时针旋转，以及四个方向的平移和向前推动态手势识别率为96％。
-
公开(公告)号：CN107766842A
公开(公告)日：2018-03-06
申请号：CN201711101103.7
申请日：2017-11-10
Applicant: 济南大学
Abstract: 本发明提供了一种手势识别方法及其应用，属于智能教学领域。该手势识别方法包括：(1)，输入Kinect捕捉的深度图，进行样本序列预处理，获得合成的动态手势训练样本；(2)将合成的动态手势训练样本输入到训练好的深度学习模型中进行识别：训练好的深度学习模型根据分类输出每种分类的识别概率，找到其中最高的识别概率，其对应的分类就是识别的结果。利用本发明方法提高了手势的识别率以及鲁棒性，让老师能够用平常讲课过程中用到的自然手势来给学生上课,而不必重点记忆交互的方法,将有限的精力完全用于教学当中。
-
公开(公告)号：CN105975906B
公开(公告)日：2018-01-30
申请号：CN201610268717.3
申请日：2016-04-27
Applicant: 济南大学
IPC: G06K9/00
Abstract: 本发明提供了一种基于面积特征的PCA静态手势识别方法，属于人机交互领域。该方法包括：第一步，对于通过摄像头捕捉到的图像进行处理，获得标准的手势图像；第二步，对第一步得到的手势图像进行包围盒处理，并将其投影到标准图像；第三步，获取第二步得到的标准图像中的手势区域形心、最远点和主方向；第四步，获取标准图像12区域最远点特征信息；第五步，获取标准图像的面积特征信息；第六步，采用PCA算法进行静态手势识别。
-
-
-
Search Results
4
records
(took 0.015 seconds)
