文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > 工程科技 > 信息与通信 > 基于改进RCE和RBF神经网络的静态手势识别
侵权投诉

基于改进RCE和RBF神经网络的静态手势识别

针对手势识别的手区域分割、手势特征提取和手势分类的三个过程,提出了一种新的静态手势识别方法。改进了传统的RCE神经网络用于手区域的分割,具有更高的运行速度和更强的抗噪能力。依Freeman链码方向提取手的边缘到掌心的距离作为手势的特征向量。将上一步得到的手势特征向量作为RBF神经网络的输入,进行网络的训练和分类。实验验证了该方法的有效性和可行性,并用其实现了人和

C m u r n i e n d p laos o p t gn rga Api tn计算机工程与应用 eE e i n ci

基于改进 R E和 R F神经网络的静态手势识别 C B 谭昶,肖南峰 T AN Cha ng, AO n e XI Na f ng

华南理工大学计算机科学与工程学院,广州 5 0 06 1 0 Co lg f Co u e ce c& E gn e i g, o t h n i e s y o e h o o y, a g h u 5 0 6 Ch n l e o mp t r S in e e n ie r n S u h C i a Un v r i f T c n l g Gu n z o 0 0, i a t 1

TAN C ha ng, I O N a e X A nf ng. a c St t hand e t e e o i g s ur r c gnii n bas d on m pr ve lC E ne al to e i o d I ur ne w o k a t r nd RB F ne a ur l

n t o kC mp tr E gn ei g a d A p i t n。 0 1 4 ( ) 1 2 1 6 ew r . o u e n i e r n p l a o s 2 1 . 7 7:7— 7 . n ci

Ab t a t Ha d g s r e o n t n u u l n l d s h n ma e s g n a i n,e t r s e ta t n, n a d g su e l s i c sr c: n e t e r c g ii s a l i cu e a d i g e me tt u o y o f au e x r c i a d h n e t r s c a sf a o i

t n I h s p p r a n w eh d s p o o e o e l t h h e p a e o t t h n e t r e o i o . h t d t n l i . t i a e, e m t o i r p s d t d a wi t e t r e h s s f sai a d g su e r c g t n T e r i o a o n h c n i a i RCE n u a e o k i i r v d a d i i p l d t a d i g s g n ̄i n T e mp o e e l n t r s mp o e n t s a p i o h n ma e e me t o . h i r v d RCE n u a n t o k i r v d r w e e rl e w r s po e t h s u n n f s n s o g a i t o n— o s .r e a

c an o e s s d o e t c e itn e r m h n d e o o a r n i g a t d t n b l y f a t n ieF e m n h i c d i a r i i u e t x r t t d s c f a h a o a d e g t t e c n e f t e a m s f au e v c o sT o e e t r v c o s r u e s h ip t o h e ̄ o p l a e t r e t r . h s f au e e t r a e s d a te n u f RBF n u a ewo k E p rme t r— h e l n t r . x e i n e r s l s o u t h w t i meh d s f c e t n f a i l. s is r— a e -t n g me ewe n u n n u a o d r b t s e e - s hs t o i i in a d e sb eA c s o sp p rso e a b t e h ma a d h m n i o o i e d v l o e y u i g t i me h d p d b s h s n to .

Ke o d: h n etr e o nt n R s i e o lmb E eg R E) n u a n t r; re n c a o e R da B s y w r s a d g s e rc g io; et c d C uo n ry( C u i r t e l e r wok F e ma h i c d; a i a i n l s Fu cin RBF) n u a ewo k nt ( o e ln t r r

摘

要:针对手势识别的手区域分割、势特征提取和手势分类的三个过程,出了一种新的静态手势识别方法。改进了传统的手提

R E ̄经网络用于手区域的分割, C;具有更高的运行速度和更强的抗噪能力。4 re n&Fema链码方向提取手的边缘到掌心的距离作为手势的特征向量。将上一步得到的手势特征向量作为R F经网络的输入, B神进行网络的训练和分类。实验验证了该方法的有

效性和可行性,并用其实现了人和仿人机器人的剪刀石头布的猜拳游戏。 关键词:手势识别; E神经网络;re n RC F ema链码; BF R神经网络 D:0 7 8 .s. 0—3 1 0 1 7 5文章编号:0 28 3 (0 10 . 120文献标识码: OI1. 7 ̄i n1 28 3 . 1. . 0 3 s 0 2 00 1 0 .3 12 1 )70 7 .5 A中图

分类号: P 9 . T 31 4

1引言 人的手臂和手掌及手指共有 2个自由度 (个臂部自由 7 6度,1 2个掌部自由度 )因而人的手势可以传达出非常丰富的,

中手的区域。在手势特征提取过程中,利用数学形态学、U. S S AN算法、改进 O T P A算法等提取出手掌心和边缘图像,沿再 Fema链码算法顺序计算出手势边缘到掌心的距离, re n作为手

信息,并且可以作为一种更为直观和自的交流方式。识别然人的手势在人机智能接口和感知用户接口等方面的应用将会使人机交互更加符合人类的习惯。近年来,于视觉的手势基 识别[1 1逐渐成为计算机视觉领域的热点。然而, - 2由于手势本身的多样性、多义性以及视觉本身的不确定性,使得基于视觉

势的特征向量。在手势分类过程中,利用上一个步骤得出的边缘到掌心的距离作为 R F R da B s u c o ) B ( a i ai F nt n神经网络 l s i的输入数据进行训练,出数据为已定义好的手势中的某一输个。期望通过实验证明新的静态手势识别方法具有较高的识 别率。

的手势识别成为一个极富挑战的和多学科交叉的研究课题。

按识别的内容,基于视觉的手势识别可分为静态手势识别和动态手势识别。动态手势识别定义为手的运动轨迹,而静态手势识别主要是通过手的手型和指向及位置来传递一定 的信息。本文主要研究静态手势识别。 基于视觉的手势识别过程可分为三个过程,即手区域的

2手的区域分割 手的区域分割是手势识别的第一步和极为重要的一步, 手区域分割的好坏将直接影响到后续手势的分类结果好坏。 而手势背景的复杂性和动态可变性、明暗度变化、手本身对同 一

手势具有多种相似形态等现状,以及在应用中对手势识别

分割、势特征的提取、势的分类。按照上述三个过程,手手提

过程中实时性要求,让手势分割变得越发困难。

出了一种新的静态手势的识别方法。在手的区域分割的过程中,使用改进的 R E C神经网络和区域标记算法提取视觉图像

21颜色空间 . 目前为止,大量的颜色空间应用到了图像分割中,1 B, 3] ̄RG

基金项目:国家自然科学基金与中国民用航空总局联合资助项目( eN t a S i c F u d t n o h

a a d Cvl v t n A m nsa o t a r c n e on a o fC i n ii A i i d i t t n h ul e i n ao iri C i o 0786; h aN . 7 6 1 )广东省自然科学基金重点项目( eN tr S i c o n a o fG a g o gPo i eN . 50 4 0 0 0 0 ) n 6 t a e c n eF u dt n o u n d n r n o 2 16 1 1o o 5。 h u e i vc 8 作者简介:谭昶( 94 )男,士研究生, 1 8一,硕研究方向为仿人机器人;肖南峰 (9 2 )男, 16一,教授,博导,博士。E m i t ca g 2@yh o o c— a: nh n l 1 a o . m. la c n 收稿日期:0 90 8修四日期:0 90—8 2 0—6】; 2 0—72

基于改进RCE和RBF神经网络的静态手势识别

第1页

你可能喜欢

  • BP神经网络原理
  • 手势识别算法
  • 视觉识别
  • 电站设计
  • 销售成功
  • 任意进制计数器

热门文档

相关文档

  • 基于BP神经网络的静态手势识别方法

    谭昶.肖南峰.TAN Chang.XIAO Nanfeng 基于改进RCE和RBF神经网络的静态手势识别[期刊论文]-计算机工程与 应用2011,47(7) 引证文献(1条) 1.王洪昌 基于多权值...

  • 基于LSSVM的静态手势识别

    基于LSSVM的静态手势识别_IT/计算机_专业资料。基于LSSVM的静态手势识别?...基于改进RCE和RBF神经网... 暂无评价 5页 2.00 手势识别若干关键技术研....

  • 基于动态模糊神经网络的手势识别算法研究

    神经网络的手势识别算法,目前算法主要致力于静态手势...基于动态模糊神经网络的分类在性能方面优于RBF分类器...XiaomingY,MingX(2003)使用基于RCE神经网络颜色分割...

  • BP神经网络与RBF神经网络

    BP神经网络与RBF神经网络 (1)BP网络 p1 j k i...RBFNN收敛速度比改进的BPNN快很多, 并且RBFNN比BPNN...BP神经网络是三层或三 层以上的静态前馈神经网络,其...

  • 计算机工程与应用

    孙劲光, 苗锡奎, 张语涵 (169) 基于改进 RCE 和 RBF 神经网络的静态手势识别………谭 一种改进的基于样例的目标物体移除方法………张申华, 祝 小波变换及相位...

  • RBF神经网络与BP神经网络的比较

    RBF 神经网络是三层静态前馈神经网络,隐层单元数也...权值和阈值,主要的训练算法为 BP 算法 和改进的 ...模式识别、 信息处理、图像处理、系统建模、控制和...

  • 【论文】基于Boosting RBF神经网络的人体行为识别

    基于Boosting RBF神经网络的人体行为识别_专业资料。提出一种基于Boosting RBF神经网络的人体行为识别方法,该方法利用规范化的运动历史图像(MHI)进行图像序列表示,从中提...

  • 基于优化的RBF神经网络模式识别新方法

    18 No. 1 Jan.,2006 基于优化的 RBF 神经网络模式识别新方法李国友 1,姚摘 磊 1,李惠光 1,吴惕华 2 (1.燕山大学,河北秦皇岛 066004;2.河北省科学院,...

  • 基于RBF神经网络的语音识别方法的应用研究

    基于RBF神经网络的语音识别方法的应用研究_IT/计算机_专业资料。基于RBF神经网络的...但是,上面提及的 几种神经网络的一大缺陷是它们只能实现静态输入输出模式对的联想...

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email