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:
用来解决手势识别中光照变化、背景干扰等问题的方法,往往计算量大,耗时长.针对这一问题,提出了一种复杂环境下通用的手势识别方法.该方法利用二进制方式实现支持向量机(SVM)模型并且使用位运算代替滑动窗口从而完成目标快速筛选,然后用统一计算设备架构(CUDA)实现卷积神经网络对初筛区域进行二次判断和识别.该方法不依赖于动态手势识别技术,可以应用于动态和静态的手势识别,能够同时处理光照变化、背景干扰的问题.实验结果表明所提算法的计算效率相比基于滑动窗口的算法有100至1000倍的提升,处理一幅图片的时间约为0.01 s.在修正后的Marcel数据集上实验结果达到了96.1%的准确率和100%的召回率.效率上的提升使得算法能够实时进行复杂环境下的手势识别.
推荐文章
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
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
基于无监督特征学习的手势识别方法
无监督的特征学习
稀疏自编码神经网络
边缘特征
调优
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 复杂环境下通用的手势识别方法
来源期刊 计算机应用 学科 工学
关键词 手势识别 位运算 卷积神经网络 复杂环境 肤色似然
年,卷(期) 2016,(7) 所属期刊栏目 虚拟现实与数字媒体
研究方向 页码范围 1965-1970
页数 6页 分类号 TP391.413
字数 6449字 语种 中文
DOI 10.11772/j.issn.1001-9081.2016.07.1965
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 谭台哲 广东工业大学计算机学院 27 117 6.0 9.0
2 杜堃 广东工业大学计算机学院 1 19 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (21)
共引文献  (21)
参考文献  (7)
节点文献
引证文献  (19)
同被引文献  (69)
二级引证文献  (39)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(3)
  • 参考文献(0)
  • 二级参考文献(3)
2007(3)
  • 参考文献(0)
  • 二级参考文献(3)
2008(3)
  • 参考文献(2)
  • 二级参考文献(1)
2009(2)
  • 参考文献(0)
  • 二级参考文献(2)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(3)
  • 参考文献(2)
  • 二级参考文献(1)
2012(3)
  • 参考文献(1)
  • 二级参考文献(2)
2013(4)
  • 参考文献(0)
  • 二级参考文献(4)
2014(2)
  • 参考文献(0)
  • 二级参考文献(2)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2016(1)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(1)
  • 二级引证文献(0)
2016(1)
  • 引证文献(1)
  • 二级引证文献(0)
2017(9)
  • 引证文献(8)
  • 二级引证文献(1)
2018(13)
  • 引证文献(6)
  • 二级引证文献(7)
2019(24)
  • 引证文献(2)
  • 二级引证文献(22)
2020(11)
  • 引证文献(2)
  • 二级引证文献(9)
研究主题发展历程
节点文献
手势识别
位运算
卷积神经网络
复杂环境
肤色似然
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
计算机应用
月刊
1001-9081
51-1307/TP
大16开
成都237信箱
62-110
1981
chi
出版文献量(篇)
20189
总下载数(次)
40
总被引数(次)
209512
论文1v1指导