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:
针对基于视觉的手势识别技术对环境背景要求高的问题,提出了一种利用深度信息进行手势提取和识别的方法。该方法首先采用Kinect深度摄像头提供的深度信息和HSV肤色信息分割出手掌区域,并通过映射获得二维手掌区域的二值图像;然后在二维手掌区域中采用形态学操作,对手势图像进行处理;接着利用Hu矩对手势特征进行提取。最后采用BP(Back Propagation)神经网络实现对数字手势1到10的识别。实验结果证明该方法可适应复杂背景,且鲁棒性和稳定性都比一般的手势识别方法好。
推荐文章
复杂背景下BP神经网络的手势识别方法
背景模型
Hu矩描述子
BP神经网络
手势识别
复杂背景下的手势分割与识别
复杂背景
手势分割
手势识别
独立分布
多状态高斯概率模型
复杂背景下基于深度学习的手势识别
手势识别
复杂背景
手势检测
深度学习
人机交互
基于深度图像技术的手势识别方法
手势识别
深度图像
表观特征
复杂背景
决策树
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 复杂背景下的手势识别方法
来源期刊 数字技术与应用 学科 工学
关键词 Kinect 手势识别 Hu矩 BP神经网络
年,卷(期) 2016,(9) 所属期刊栏目 应用研究
研究方向 页码范围 50-53
页数 4页 分类号 TP391.9
字数 3785字 语种 中文
DOI
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 库锡树 国防科学技术大学电子科学与工程学院 13 62 5.0 7.0
2 程江华 国防科学技术大学电子科学与工程学院 6 47 5.0 6.0
3 易靖国 国防科学技术大学电子科学与工程学院 1 5 1.0 1.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (23)
共引文献  (66)
参考文献  (7)
节点文献
引证文献  (5)
同被引文献  (4)
二级引证文献  (6)
1962(2)
  • 参考文献(1)
  • 二级参考文献(1)
2000(1)
  • 参考文献(0)
  • 二级参考文献(1)
2004(1)
  • 参考文献(0)
  • 二级参考文献(1)
2005(1)
  • 参考文献(1)
  • 二级参考文献(0)
2007(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(3)
  • 参考文献(0)
  • 二级参考文献(3)
2010(2)
  • 参考文献(0)
  • 二级参考文献(2)
2011(5)
  • 参考文献(0)
  • 二级参考文献(5)
2012(5)
  • 参考文献(1)
  • 二级参考文献(4)
2013(4)
  • 参考文献(1)
  • 二级参考文献(3)
2014(1)
  • 参考文献(0)
  • 二级参考文献(1)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(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)
2018(1)
  • 引证文献(1)
  • 二级引证文献(0)
2019(7)
  • 引证文献(2)
  • 二级引证文献(5)
2020(3)
  • 引证文献(2)
  • 二级引证文献(1)
研究主题发展历程
节点文献
Kinect
手势识别
Hu矩
BP神经网络
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
数字技术与应用
月刊
1007-9416
12-1369/TN
16开
天津市
6-251
1983
chi
出版文献量(篇)
20434
总下载数(次)
106
总被引数(次)
35701
论文1v1指导