CN103679145A - 一种手势自动识别方法 - Google Patents
一种手势自动识别方法 Download PDFInfo
- Publication number
- CN103679145A CN103679145A CN201310654467.3A CN201310654467A CN103679145A CN 103679145 A CN103679145 A CN 103679145A CN 201310654467 A CN201310654467 A CN 201310654467A CN 103679145 A CN103679145 A CN 103679145A
- Authority
- CN
- China
- Prior art keywords
- gesture
- image
- bianry image
- skin
- obtains
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Abstract
本发明提出了一种手势自动识别方法,所述方法将获得的手势视频数据中的每帧源图像转换到YCbCr颜色空间;运用肤色椭圆模型进行皮肤检测;使用连通域分析、边缘检测和轮廓提取完成手势分割;通过手势分析来进行特征向量提取,选取图像归一化转动惯量、不变矩特征等统计特征参数,手势的外围矩形、方向、周长、面积、比例值等形状特征参数,和手指的个数、是否包含拇指等结构特征参数作为分析识别手势的参数;采用基于改进欧氏距离的模板匹配法进行手势识别。该方法可有效识别不同手势,使得以高效、直接、自然的手势为主要方式的人机交互更加接近人与人之间的交流。
Description
技术领域
本发明属于人机交互和计算机视觉领域,具体指的是一种手势自动识别方法。
背景技术
手势识别技术是一种高效、直接、自然的人机交互方式,但是由于技术水平的限制,以及手的高自由度所引起的手势复杂、变化多样、移动高速等特性,使得手势识别成为极具挑战性的研究课题之一。
发明内容
本发明所要解决的技术问题是为了克服现有技术的不足,提出一种手势自动识别方法。所述方法显著提高对摄像头获取的手势图像的识别准确率和识别速度。
为了解决上述技术问题,本发明所采用的技术方案是:
一种手势自动识别方法,包括如下步骤:
步骤A,采集手势视频数据;
步骤B,对步骤A得到的视频数据中的每帧源图像进行中值滤波;
步骤C,将步骤B得到的中值滤波图像映射到YCbCr颜色空间;
步骤D,对步骤C得到的YCbCr颜色空间中的图像像素点,使用肤色椭圆模型进行皮肤检测,得到二值图像;
步骤E,找出步骤D得到的二值图像中的面积最大连通域,并对其进行边缘检测和轮廓提取来分割手势,得到手势边缘图像和轮廓矩阵;
步骤F,基于步骤D得到的二值图像和步骤E得到的边缘图像和轮廓矩阵,提取手势特征向量;
步骤G,根据步骤F得到的特征向量,采用基于改进欧氏距离的模板匹配法进行手势的特征匹配和识别。
步骤D中,所述皮肤检测,其具体过程如下:
步骤D-1,将步骤C得到的YCbCr颜色空间中的图像像素点向CbCr平面进行投影,得到次平面;
步骤D-2,对步骤D-1得到的次平面上的图像像素点做K-L变换;
步骤D-3,对步骤D-2得到的K-L变换后的图像像素点用椭圆模型进行分类,得到二值图像。
步骤E中,所述连通域是指二值图像中,像素点同值连片区域,该同值连片区域中,没有不同值的像素点。
步骤F中,所述提取手势特征向量,其具体过程如下:
步骤F-1,对步骤D得到的二值图像和步骤E得到的手势边缘图像和轮廓矩阵进行定量描述,提取手势的统计特征参数,所述统计特征参数包括图像归一化转动惯量和不变矩特征;
步骤F-2,对步骤D得到的二值图像和步骤E得到的手势边缘图像和轮廓矩阵进行定量描述,提取手势的形状特征参数,所述形状特征参数包括外围矩形、方向、周长、面积、比例值;
步骤F-3,对步骤D得到的二值图像和步骤E得到的手势边缘图像和轮廓矩阵进行定量描述,提取手指的个数,并判定是否包含拇指。
本发明的有益效果是:本发明提出了一种手势自动识别方法,所述方法将获得的手势视频数据中的每帧源图像转换到YCbCr颜色空间;运用肤色椭圆模型进行皮肤检测;使用连通域分析、边缘检测和轮廓提取完成手势分割;通过手势分析来进行特征向量提取,选取图像归一化转动惯量、不变矩特征等统计特征参数,手势的外围矩形、方向、周长、面积、比例值等形状特征参数,和手指的个数、是否包含拇指等结构特征参数作为分析识别手势的参数;采用基于改进欧氏距离的模板匹配法进行手势识别。该方法可有效识别不同手势,使得以高效、直接、自然的手势为主要方式的人机交互更加接近人与人之间的交流。
附图说明
图1是本发明的手势自动识别方法的流程图。
图2是手势区域的外围矩形。
图3是判断手势的方向。
图4是扫描手势图像中手指的个数。
图5是手外围矩形的中心A与手势二值图像的重心B。
具体实施方式
下面结合附图,对本发明提出的手势识别方法进行详细说明:
如图1所示,本发明的手势自动识别方法,其步骤如下
步骤101,采集手势视频数据;
步骤102,对步骤101得到的视频数据中的每帧源图像进行预处理;
步骤103,对步骤102得到的预处理后的图像由RGB颜色空间转换到YCbCr颜色空间;
步骤104,对步骤103得到的YCbCr颜色空间中的图像像素点,使用肤色椭圆模型进行皮肤检测,得到二值图像;
步骤105,对步骤104得到的二值图像中的最大连通域进行边缘检测和轮廓提取来分割手势,得到边缘图像和轮廓矩阵;
步骤106,基于步骤104得到的二值图像和步骤105得到的边缘图像和轮廓矩阵,提取手势特征向量;
步骤107,根据步骤106提取的手势特征向量判断手势的类别。
下面结合图1-5详细说明本发明的手势自动识别方法。
1.颜色空间转换
本发明在颜色空间转换步骤使用YCbCr颜色空间。因为YCbCr具有二维独立分布性质,能够较好的限制肤色分布区域。通过对肤色像素点在YCbCr空间中做投影,可以将肤色像素点聚类成椭圆形分布。
YCbCr是DVD、摄像机、数字电视等消费类视频产品中常用的色彩编码方案。YCbCr有时也称为YCC。YCbCr在模拟分量视频中也常被称为YPbPr。YCbCr不是一种绝对色彩空间,是YUV压缩和偏移的版本。YCbCr中的Y是指亮度分量,Cb指蓝色色度分量,而Cr指的是红色色度分量。YCbCr色彩模型被广泛应用在电视的色彩显示领域,具有将空间中的色度与亮度分离的特点。人的肉眼对视频的Y分量更敏感,因此在通过对色度分量进行子采样来减少色度分量后,肉眼将察觉不到图像质量的变化。
YCbCr是设备无关的,与RGB之间具有简单的线性变换关系。
2.皮肤检测
皮肤检测主要是根据肤色在颜色空间上的分布特征来检测图像中的皮肤区域。利用颜色信息对皮肤检测是因为不同人的肤色在排除亮度、室内环境等因素对肤色的影响之后,皮肤的色调基本一致。
为了使肤色聚类不受亮度Y的影响,首先将映射到YCbCr颜色空间中的图像像素点向CbCr平面进行投影,然后进行K-L变换,最后用肤色椭圆模型进行皮肤检测。椭圆内部的点判定为肤色点,椭圆外部的点判定为非肤色点。椭圆模型的公式如下:
其中cx=109.38,cy=152.02,θ=2.53(弧度),ecx=1.60,ecy=2.41,a=25.39,b=14.03。
3.手势分割
经过皮肤检测步骤得到的图像是二值图像,皮肤部分为白色,背景为黑色。借助连通域算法,可以找到每一个相连通的部分,并对每一个连通的部分进行赋值,以便于区分。在所有找出的连通域中,找到面积最大的连通域并提取出来,这个最大连通域就是手势部分。接下来对这个最大连通域进行边缘检测和轮廓提取。这里采用的是Canny边缘检测算法和八邻域搜索法。
4.手势特征提取
经过前三个步骤,得到了手势的二值图像、边缘图像以及轮廓矩阵。在这些数据中包含了手势的原始特征。通常,手势的原始特征的数据量会很大,所以有必要通过特征提取降低特征空间的维数。这里抽取的手势特征主要有统计特征、形状特征和结构特征。
(1)统计特征参数
(1a)图像归一化转动惯量(NMI)
图像的NMI值具有抗灰度畸变性、平移不变性、旋转不变性、大小不变性等特点。在二维图像处理中,习惯上用二维坐标函数f(x,y)表示图像在(x,y)点的灰度,即亮度值。若将二维图像看成具有一定质量的平面薄片,灰度值f(x,y)表示图像在(x,y)点的质量,结合物理学上物体质量、重心及转动惯量的概念,对二维图像图像质量进行如下定义:
将二维灰度图像中所有像素的灰度值之和定义为该图像的质量,记为m,计算公式如下:
其中Ω为手势图像所占的二维空间区域。
(1b)矩特征
对于手势图像函数f(x,y),如果它分段连续并且在XOY平面上只有有限个点不为0,则可以证明它的各阶矩存在。手势图像的p+q阶矩、p+q阶中心距和归一化中心矩是用所有属于手势区域内的像素点计算出来的,因而不太受噪声的影响。
(2)形状特征参数
这类特征主要由手势的形状所决定,同时也要符合平移和尺度不变性的原则。这里提取的形状特征主要包含两类,一类是以手势的轮廓为基础,计算出的手势不变特征,另一类是通过图像中的各种手势属性计算出的比例参数。
(2a)外围矩形
为了使计算更加精确,消除图像中的冗余信息,在计算手势特征之前需要找到一个精确的手势区域,称之为外围矩形。如图2所示,外围矩形就是由图像中手势区域最外围四条切线(上、下、左、右四个方向)所组成的矩形区域。计算过程如下:首先从上下两个方向对手势图像进行逐行扫描找到手势图像在上下两个方向最外围的点顶点和底点,同理对图像在左右两个方向进行逐列扫描得到左端点和右端点,经过这四个点分别作出手势的切线,四条切线相交形成矩形。得到外围矩形之后可以计算出外围矩形的高和宽。
(2b)手势的方向
在得到手势矩形的基础上,判断手势的方向。这里假设所涉及的均为左右方向的手势,如图3所示,将外围矩形平均分为两个部分,分别计算两个部分中的手势面积A和B。如果A小于B,则手势的方向为从左到右,也就是左手手势,返回值为0。如果A大于B,则为右手图像,返回值为1。同理可分析上下方向的手势。
(2c)手势的周长=手势轮廓上的像素总数。
(2d)手势的面积=手势矩形区域内包含的像素总数。
(2e)手势的比例特征
即由图像中手势的属性以及外围矩形相结合计算出来的比例特征,包括由手势的总面积以及不同区域内手势的面积所得出的四个参数。
参数1是手势外围矩形右上方1/2矩形区域内的手势面积与手势外围矩形中手势区域的面积比。
与参数1的定义类似,参数2是手势外围矩形左上方1/3矩形区域内的手势面积与手势外围矩形中手势面积比。
通过大量实验我们发现,参数1和参数2能够比较好的代表指定手势的比例参数,具有很好的区分度。
参数3为手势形状比例特征参数,是手势的周长的平方和手势的面积的比值。该参数对于图像的旋转、平移和缩放具有不变性。
参数4为手势的外围矩形宽高比。
(3)结构特征参数
通常情况下,手势的结构特征都比较直观明显,例如手势图像中手指的个数(不包含大拇指)、手势中是否含有大拇指。
(3a)手指的个数
在前面得到的手势矩形的基础上,可以通过图4所示方法来获得手势图像中手指的个数。以手势图像的左方为起始方向,以图像中的像素列为单位对手势图像进行隔列扫描,扫描的过程中间隔像素单位为10,也就是被扫描的两列像素点之间间隔为10。在扫描的过程中记录每列扫描到轮廓点的个数ki(1≤k≤10),ki就是手势区域第i列像素在手势轮廓上的点的个数,取扫描过程中ki的最大值kmax,图像中手指的个数=kmax/2。
(3b)判定是否包含拇指
手势的这一结构特征主要是为了判定是否有大拇指,并指出大拇指的朝向。当没有大拇指时返回值为0,大拇指朝上、下、左、右时返回值分别为1、2、3和4。具体算法如下:如图5所示,首先找到手势二值图像的重心B,然后与外围矩形的中心A相比较,如果手势二值图像的重心B的纵坐标与手外围矩形的中心A的横、纵坐标基本相符(误差小于5),则说明手势中没有拇指。否则,如果手势二值图像的重心B在手势外围矩形中心A的下面,则说明手势中含有拇指,并且拇指指向的方向向上。如果手势二值图像的重心在手势外围矩形中心的上面,则说明手势图像中含有拇指,并且拇指方向向下。左右方向可以进行类似的判断。
5.手势识别
这里采用基于欧氏距离的模板匹配法进行手势的特征匹配和识别。在具体的匹配过程中采用改进的欧氏距离,其计算公式如下:
其中D为欧氏距离,φi为待识别的手势特征向量中的特征分量,Fi为手势模板库中相应的特征分量。βi为权系数。这里βi=1/n。
在计算出待识别手势的特征向量与模板库中每个手势模板间的欧氏距离之后,比较出其中的最小值,并且最小值应当小于20(大于20时确定为无法识别),输出相应的模板序号,即完成手势的特征匹配和识别。
通过上述实施方式,可见本发明具有如下优点:
(1)本方法通过摄像头实时采集手势图像并对其中的手势进行自动识别,能够在一定程度上克服光照等环境因素的干扰,达到较高的识别率,使得以手势为主要方式的人机交互更加接近人与人之间的交流。
(2)本发明选取对应不同手势形状取值差异较大的特征作为模板匹配特征。这些特征对图像缩放、旋转、平移和尺度保持一定的不变性,能够很好的描述和区分不同的手势,在计算速度和识别准确率上都取得了很好的效果。
Claims (4)
1.一种手势自动识别方法,其特征在于,包括如下步骤:
步骤A,采集手势视频数据;
步骤B,对步骤A得到的视频数据中的每帧源图像进行中值滤波;
步骤C,将步骤B得到的中值滤波图像映射到YCbCr颜色空间;
步骤D,对步骤C得到的YCbCr颜色空间中的图像像素点,使用肤色椭圆模型进行皮肤检测,得到二值图像;
步骤E,找出步骤D得到的二值图像中的面积最大连通域,并对其进行边缘检测和轮廓提取来分割手势,得到手势边缘图像和轮廓矩阵;
步骤F,基于步骤D得到的二值图像和步骤E得到的边缘图像和轮廓矩阵,提取手势特征向量;
步骤G,根据步骤F得到的特征向量,采用基于改进欧氏距离的模板匹配法进行手势的特征匹配和识别。
2.根据权利要求1所述的一种手势自动识别方法,其特征在于,步骤D中,所述皮肤检测,其具体过程如下:
步骤D-1,将步骤C得到的YCbCr颜色空间中的图像像素点向CbCr平面进行投影,得到次平面;
步骤D-2,对步骤D-1得到的次平面上的图像像素点做K-L变换;
步骤D-3,对步骤D-2得到的K-L变换后的图像像素点用椭圆模型进行分类,得到二值图像。
3.根据权利要求1所述的一种手势自动识别方法,其特征在于,步骤E中,所述连通域是指二值图像中,像素点同值连片区域,该同值连片区域中,没有不同值的像素点。
4.根据权利要求1所述的一种手势自动识别方法,其特征在于,步骤F中,所述提取手势特征向量,其具体过程如下:
步骤F-1,对步骤D得到的二值图像和步骤E得到的手势边缘图像和轮廓矩阵进行定量描述,提取手势的统计特征参数,所述统计特征参数包括图像归一化转动惯量和不变矩特征;
步骤F-2,对步骤D得到的二值图像和步骤E得到的手势边缘图像和轮廓矩阵进行定量描述,提取手势的形状特征参数,所述形状特征参数包括外围矩形、方向、周长、面积、比例值;
步骤F-3,对步骤D得到的二值图像和步骤E得到的手势边缘图像和轮廓矩阵进行定量描述,提取手指的个数,并判定是否包含拇指。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310654467.3A CN103679145A (zh) | 2013-12-06 | 2013-12-06 | 一种手势自动识别方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310654467.3A CN103679145A (zh) | 2013-12-06 | 2013-12-06 | 一种手势自动识别方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103679145A true CN103679145A (zh) | 2014-03-26 |
Family
ID=50316635
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310654467.3A Pending CN103679145A (zh) | 2013-12-06 | 2013-12-06 | 一种手势自动识别方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103679145A (zh) |
Cited By (30)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914149A (zh) * | 2014-04-01 | 2014-07-09 | 复旦大学 | 一种面向互动电视的手势交互方法和系统 |
CN104182772A (zh) * | 2014-08-19 | 2014-12-03 | 大连理工大学 | 一种基于深度学习的手势识别方法 |
CN104679242A (zh) * | 2015-02-05 | 2015-06-03 | 吉林纪元时空动漫游戏科技股份有限公司 | 基于单目视觉复杂背景下的手势分割方法 |
CN104978018A (zh) * | 2014-04-11 | 2015-10-14 | 广达电脑股份有限公司 | 触控系统及触控方法 |
CN105405143A (zh) * | 2015-11-13 | 2016-03-16 | 华中师范大学 | 一种基于全局期望最大算法的手势分割方法及系统 |
CN105893929A (zh) * | 2015-12-27 | 2016-08-24 | 乐视致新电子科技(天津)有限公司 | 手指与手腕的区分方法及其装置 |
CN105975906A (zh) * | 2016-04-27 | 2016-09-28 | 济南大学 | 一种基于面积特征的pca静态手势识别方法 |
CN106097354A (zh) * | 2016-06-16 | 2016-11-09 | 南昌航空大学 | 一种结合自适应高斯肤色检测和区域生长的手部图像分割方法 |
CN106503650A (zh) * | 2016-10-21 | 2017-03-15 | 上海未来伙伴机器人有限公司 | 一种手势图像的识别方法及系统 |
CN106569600A (zh) * | 2016-10-31 | 2017-04-19 | 邯郸美的制冷设备有限公司 | 一种用于控制空调的手势校验方法及装置 |
CN106599771A (zh) * | 2016-10-21 | 2017-04-26 | 上海未来伙伴机器人有限公司 | 一种手势图像的识别方法及系统 |
CN107133562A (zh) * | 2017-03-17 | 2017-09-05 | 华南理工大学 | 一种基于极限学习机的手势识别方法 |
CN107330354A (zh) * | 2017-03-20 | 2017-11-07 | 长沙理工大学 | 一种自然手势识别方法 |
CN107430680A (zh) * | 2015-03-24 | 2017-12-01 | 英特尔公司 | 多层皮肤检测和融合手势匹配 |
CN107998670A (zh) * | 2017-12-13 | 2018-05-08 | 哈尔滨拓博科技有限公司 | 基于平面手势识别的遥控玩具控制系统 |
CN108255298A (zh) * | 2017-12-29 | 2018-07-06 | 安徽慧视金瞳科技有限公司 | 一种投影交互系统中的红外手势识别方法及设备 |
CN108460270A (zh) * | 2018-03-25 | 2018-08-28 | 东莞市华睿电子科技有限公司 | 一种基于移动设备的客户端登录控制方法 |
CN108564013A (zh) * | 2018-03-23 | 2018-09-21 | 上海数迹智能科技有限公司 | 一种基于手势轮廓快速匹配的手势识别方法 |
CN108712612A (zh) * | 2018-05-28 | 2018-10-26 | 努比亚技术有限公司 | 一种拍照方法、终端及计算机可读存储介质 |
CN108873933A (zh) * | 2018-06-28 | 2018-11-23 | 西北工业大学 | 一种无人机手势控制方法 |
CN108985191A (zh) * | 2018-06-28 | 2018-12-11 | 广东技术师范学院 | 一种基于移动设备手势识别的轮廓提取方法 |
CN108983980A (zh) * | 2018-07-27 | 2018-12-11 | 河南科技大学 | 一种移动机器人基本运动手势控制方法 |
CN110532863A (zh) * | 2019-07-19 | 2019-12-03 | 平安科技(深圳)有限公司 | 手势操作方法、装置以及计算机设备 |
CN111001154A (zh) * | 2020-01-10 | 2020-04-14 | 北京铭客教育科技有限公司 | 一种带有语音播报功能的智能猜拳娱乐系统 |
CN111062341A (zh) * | 2019-12-20 | 2020-04-24 | 广州市鑫广飞信息科技有限公司 | 视频图像区域的分类方法、装置、设备及存储介质 |
CN111079716A (zh) * | 2020-01-07 | 2020-04-28 | 哈尔滨理工大学 | 基于fpga的视频式手势识别智能家居控制系统 |
CN111523435A (zh) * | 2020-04-20 | 2020-08-11 | 安徽中科首脑智能医疗研究院有限公司 | 一种基于目标检测ssd的手指检测方法、系统及存储介质 |
CN111695475A (zh) * | 2020-06-03 | 2020-09-22 | 浙江工业大学 | 一种基于nmi智能控制家用电器的方法 |
CN111913584A (zh) * | 2020-08-19 | 2020-11-10 | 福州大学 | 一种基于手势识别的鼠标光标控制方法及系统 |
CN112308041A (zh) * | 2020-11-26 | 2021-02-02 | 中国人民解放军陆军工程大学 | 一种基于视觉的无人平台手势控制方法 |
-
2013
- 2013-12-06 CN CN201310654467.3A patent/CN103679145A/zh active Pending
Non-Patent Citations (2)
Title |
---|
李新颖: "复杂背景下表观手势建模方法研究", 《中国优秀硕士学位论文全文数据库(电子期刊)》 * |
李洪伟: "基于视觉的静态手语识别研究", 《万方学位论文全文数据库》 * |
Cited By (43)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103914149B (zh) * | 2014-04-01 | 2017-02-08 | 复旦大学 | 一种面向互动电视的手势交互方法和系统 |
CN103914149A (zh) * | 2014-04-01 | 2014-07-09 | 复旦大学 | 一种面向互动电视的手势交互方法和系统 |
CN104978018A (zh) * | 2014-04-11 | 2015-10-14 | 广达电脑股份有限公司 | 触控系统及触控方法 |
CN104182772B (zh) * | 2014-08-19 | 2017-10-24 | 大连理工大学 | 一种基于深度学习的手势识别方法 |
CN104182772A (zh) * | 2014-08-19 | 2014-12-03 | 大连理工大学 | 一种基于深度学习的手势识别方法 |
CN104679242A (zh) * | 2015-02-05 | 2015-06-03 | 吉林纪元时空动漫游戏科技股份有限公司 | 基于单目视觉复杂背景下的手势分割方法 |
CN107430680B (zh) * | 2015-03-24 | 2023-07-14 | 英特尔公司 | 多层皮肤检测和融合手势匹配 |
CN107430680A (zh) * | 2015-03-24 | 2017-12-01 | 英特尔公司 | 多层皮肤检测和融合手势匹配 |
CN105405143A (zh) * | 2015-11-13 | 2016-03-16 | 华中师范大学 | 一种基于全局期望最大算法的手势分割方法及系统 |
CN105893929A (zh) * | 2015-12-27 | 2016-08-24 | 乐视致新电子科技(天津)有限公司 | 手指与手腕的区分方法及其装置 |
CN105975906A (zh) * | 2016-04-27 | 2016-09-28 | 济南大学 | 一种基于面积特征的pca静态手势识别方法 |
CN106097354A (zh) * | 2016-06-16 | 2016-11-09 | 南昌航空大学 | 一种结合自适应高斯肤色检测和区域生长的手部图像分割方法 |
CN106097354B (zh) * | 2016-06-16 | 2019-07-09 | 南昌航空大学 | 一种结合自适应高斯肤色检测和区域生长的手部图像分割方法 |
CN106503650A (zh) * | 2016-10-21 | 2017-03-15 | 上海未来伙伴机器人有限公司 | 一种手势图像的识别方法及系统 |
CN106599771A (zh) * | 2016-10-21 | 2017-04-26 | 上海未来伙伴机器人有限公司 | 一种手势图像的识别方法及系统 |
CN106503650B (zh) * | 2016-10-21 | 2019-09-24 | 上海未来伙伴机器人有限公司 | 一种手势图像的识别方法及系统 |
CN106569600A (zh) * | 2016-10-31 | 2017-04-19 | 邯郸美的制冷设备有限公司 | 一种用于控制空调的手势校验方法及装置 |
CN107133562A (zh) * | 2017-03-17 | 2017-09-05 | 华南理工大学 | 一种基于极限学习机的手势识别方法 |
CN107133562B (zh) * | 2017-03-17 | 2021-05-14 | 华南理工大学 | 一种基于极限学习机的手势识别方法 |
CN107330354A (zh) * | 2017-03-20 | 2017-11-07 | 长沙理工大学 | 一种自然手势识别方法 |
CN107330354B (zh) * | 2017-03-20 | 2020-12-08 | 长沙理工大学 | 一种自然手势识别方法 |
CN107998670A (zh) * | 2017-12-13 | 2018-05-08 | 哈尔滨拓博科技有限公司 | 基于平面手势识别的遥控玩具控制系统 |
CN108255298A (zh) * | 2017-12-29 | 2018-07-06 | 安徽慧视金瞳科技有限公司 | 一种投影交互系统中的红外手势识别方法及设备 |
CN108255298B (zh) * | 2017-12-29 | 2021-02-19 | 安徽慧视金瞳科技有限公司 | 一种投影交互系统中的红外手势识别方法及设备 |
CN108564013B (zh) * | 2018-03-23 | 2021-08-03 | 上海数迹智能科技有限公司 | 一种基于手势轮廓快速匹配的手势识别方法 |
CN108564013A (zh) * | 2018-03-23 | 2018-09-21 | 上海数迹智能科技有限公司 | 一种基于手势轮廓快速匹配的手势识别方法 |
CN108460270B (zh) * | 2018-03-25 | 2022-05-10 | 北京灵动新程信息科技有限公司 | 一种基于移动设备的客户端登录控制方法 |
CN108460270A (zh) * | 2018-03-25 | 2018-08-28 | 东莞市华睿电子科技有限公司 | 一种基于移动设备的客户端登录控制方法 |
CN108712612A (zh) * | 2018-05-28 | 2018-10-26 | 努比亚技术有限公司 | 一种拍照方法、终端及计算机可读存储介质 |
CN108873933A (zh) * | 2018-06-28 | 2018-11-23 | 西北工业大学 | 一种无人机手势控制方法 |
CN108985191A (zh) * | 2018-06-28 | 2018-12-11 | 广东技术师范学院 | 一种基于移动设备手势识别的轮廓提取方法 |
CN108983980A (zh) * | 2018-07-27 | 2018-12-11 | 河南科技大学 | 一种移动机器人基本运动手势控制方法 |
CN110532863A (zh) * | 2019-07-19 | 2019-12-03 | 平安科技(深圳)有限公司 | 手势操作方法、装置以及计算机设备 |
CN111062341A (zh) * | 2019-12-20 | 2020-04-24 | 广州市鑫广飞信息科技有限公司 | 视频图像区域的分类方法、装置、设备及存储介质 |
CN111062341B (zh) * | 2019-12-20 | 2024-03-19 | 广州市鑫广飞信息科技有限公司 | 视频图像区域的分类方法、装置、设备及存储介质 |
CN111079716A (zh) * | 2020-01-07 | 2020-04-28 | 哈尔滨理工大学 | 基于fpga的视频式手势识别智能家居控制系统 |
CN111001154A (zh) * | 2020-01-10 | 2020-04-14 | 北京铭客教育科技有限公司 | 一种带有语音播报功能的智能猜拳娱乐系统 |
CN111523435A (zh) * | 2020-04-20 | 2020-08-11 | 安徽中科首脑智能医疗研究院有限公司 | 一种基于目标检测ssd的手指检测方法、系统及存储介质 |
CN111695475B (zh) * | 2020-06-03 | 2023-06-27 | 浙江工业大学 | 一种基于nmi智能控制家用电器的方法 |
CN111695475A (zh) * | 2020-06-03 | 2020-09-22 | 浙江工业大学 | 一种基于nmi智能控制家用电器的方法 |
CN111913584A (zh) * | 2020-08-19 | 2020-11-10 | 福州大学 | 一种基于手势识别的鼠标光标控制方法及系统 |
CN111913584B (zh) * | 2020-08-19 | 2022-04-01 | 福州大学 | 一种基于手势识别的鼠标光标控制方法及系统 |
CN112308041A (zh) * | 2020-11-26 | 2021-02-02 | 中国人民解放军陆军工程大学 | 一种基于视觉的无人平台手势控制方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103679145A (zh) | 一种手势自动识别方法 | |
CN102142084B (zh) | 一种手势识别的方法 | |
CN103824059B (zh) | 一种基于视频图像序列的人脸表情识别方法 | |
CN106056155B (zh) | 基于边界信息融合的超像素分割方法 | |
CN107610114A (zh) | 基于支持向量机的光学卫星遥感影像云雪雾检测方法 | |
CN110796033B (zh) | 一种基于包围盒模型的静态手势识别方法 | |
CN104680127A (zh) | 手势识别方法及系统 | |
CN101551853A (zh) | 复杂静态彩色背景下的人耳检测方法 | |
Aiping et al. | Face detection technology based on skin color segmentation and template matching | |
CN103440035A (zh) | 一种三维空间中的手势识别系统及其识别方法 | |
CN1932847A (zh) | 复杂背景下彩色图像人脸检测的方法 | |
CN102982350A (zh) | 一种基于颜色和梯度直方图的台标检测方法 | |
CN102819728A (zh) | 一种基于分类模板匹配的交通标志检测方法 | |
CN103473551A (zh) | 基于sift算子的台标识别方法及系统 | |
CN105205489A (zh) | 基于颜色纹理分析器与机器学习的车牌检测方法 | |
CN112232332B (zh) | 一种基于视频序列的非接触式手掌检测方法 | |
CN112906550B (zh) | 一种基于分水岭变换的静态手势识别方法 | |
CN110956099B (zh) | 一种动态手势指令识别方法 | |
CN102194108A (zh) | 一种聚类线性鉴别分析特征选择的笑脸表情识别方法 | |
CN104408449A (zh) | 智能移动终端场景文字处理方法 | |
CN107103266A (zh) | 二维人脸欺诈检测分类器的训练及人脸欺诈检测方法 | |
CN102147867A (zh) | 一种基于主体的国画图像和书法图像的识别方法 | |
CN104463134A (zh) | 一种车牌检测方法和系统 | |
CN105488475A (zh) | 手机中人脸检测方法 | |
CN104268509B (zh) | 泥头车车牌检测的方法及系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140326 |
|
WD01 | Invention patent application deemed withdrawn after publication |