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:
提出了一种新的基于Kinect的实时静态手势识别方法,主要贡献包括:提出了一种简易可行的、结合图像深度信息与肤色信息的手势区域检测与分割方法;提出了一种改进的凸分解算法,对手势区域进行近似凸形状分解,以得到表征手势特征的骨架信息;采用基于路径相似性的骨架图匹配算法对手势进行匹配以实现识别.针对特定手势集进行了对比实验,实验结果表明,本文方法在识别结果的准确率以及算法的效率上都有着良好的表现.
推荐文章
基于改进卷积神经网络的手势识别
改进卷积神经网络
手势识别
准确率
图像处理
过拟合
Dropout
基于改进CNN与SVM的手势识别研究
手势识别
CNN
SVM
特征提取
图像分割
数据增强
基于Euclidean距离的手势识别
手势识别
Euclidean距离
EDT
Canny
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
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 基于改进凸分解的手势识别
来源期刊 北京理工大学学报 学科 工学
关键词 手势识别 凸分解 骨架图匹配 深度信息
年,卷(期) 2018,(3) 所属期刊栏目 信息与控制
研究方向 页码范围 279-285
页数 7页 分类号 TP319
字数 4050字 语种 中文
DOI 10.15918/j.tbit1001-0645.2018.03.010
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 姚争为 杭州师范大学数字媒体与人机交互研究中心 22 148 6.0 11.0
2 潘志庚 杭州师范大学数字媒体与人机交互研究中心 46 361 10.0 17.0
3 王顺婷 杭州师范大学数字媒体与人机交互研究中心 2 5 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (8)
共引文献  (44)
参考文献  (6)
节点文献
引证文献  (2)
同被引文献  (17)
二级引证文献  (0)
2000(2)
  • 参考文献(0)
  • 二级参考文献(2)
2002(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)
2006(2)
  • 参考文献(1)
  • 二级参考文献(1)
2007(2)
  • 参考文献(0)
  • 二级参考文献(2)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2018(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)
2019(2)
  • 引证文献(2)
  • 二级引证文献(0)
研究主题发展历程
节点文献
手势识别
凸分解
骨架图匹配
深度信息
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
北京理工大学学报
月刊
1001-0645
11-2596/T
大16开
北京海淀区中关村南大街5号
82-502
1956
chi
出版文献量(篇)
5642
总下载数(次)
13
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导