基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
基于Kinect技术的手势识别是人机交互方面的一个重点,在DTW算法的基础上提出加权DTW手势识别算法,给出一个参数模型,根据手势关节点对手势的相关性来给关节点设置权重,选取合适的模型参数β来最大化类间差距与类内差异之间的比,通过比较加权后的DTW代价函数找出最匹配的模板手势.根据提出的加权DTW手势识别算法开发一个智能家居手势识别系统,系统识别用户输入手势并通过蓝牙发送相应操作命令来控制智能家居设备.评价使用DTW算法,基于隐马尔科夫模型(HMM)的手势识别算法和加权DTW算法手势识别的效果,得出加权DTW算法有更高的手势识别正确率.
推荐文章
基于DTW的交警指挥手势识别方法
Kinect传感器
交警手势
动态时间规整算法
高内聚性
低耦合性
一种基于特征融合的手势识别方法
手势识别
指尖检测
HOG
支持向量机
YCrCb
特征提取
基于OpenCV的一种手势识别方法
OpenCV
手势识别
模式识别
图像处理
基于RGB-D信息的动态手势识别方法
动态手势识别
彩色—深度图像
K-均值聚类算法
动态时间规整
快速动态时间规整
卡尔曼滤波
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于加权DTW手势识别方法的研究与实现
来源期刊 信息技术 学科 工学
关键词 手势识别 智能家居 加权动态时间规整算法
年,卷(期) 2015,(11) 所属期刊栏目 研究与探讨
研究方向 页码范围 125-129
页数 5页 分类号 TP31
字数 3868字 语种 中文
DOI 10.13274/j.cnki.hdzj.2015.11.032
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 陈健美 江苏大学计算机科学与通信工程学院 47 426 11.0 18.0
2 薛俊杰 江苏大学计算机科学与通信工程学院 1 8 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (6)
节点文献
引证文献  (8)
同被引文献  (19)
二级引证文献  (9)
1954(1)
  • 参考文献(1)
  • 二级参考文献(0)
1978(1)
  • 参考文献(1)
  • 二级参考文献(0)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2017(2)
  • 引证文献(2)
  • 二级引证文献(0)
2018(8)
  • 引证文献(4)
  • 二级引证文献(4)
2019(7)
  • 引证文献(2)
  • 二级引证文献(5)
研究主题发展历程
节点文献
手势识别
智能家居
加权动态时间规整算法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
信息技术
月刊
1009-2552
23-1557/TN
大16开
哈尔滨市南岗区黄河路122号
14-36
1977
chi
出版文献量(篇)
11355
总下载数(次)
31
论文1v1指导