查询结果:   朱正伟,祝磊,饶鹏.基于BS-HMM和巴式距离的手势识别技术研究[J].计算机应用与软件,2019,36(6):163 - 166,253.
中文标题
基于BS-HMM和巴式距离的手势识别技术研究
发表栏目
人工智能与识别
摘要点击数
51
英文标题
GESTURE RECOGNITION BASED ON BS-HMM AND BHATTACHARYYA DISTANCE
作 者
朱正伟 祝磊 饶鹏 Zhu Zhengwei Zhu Lei Rao Peng
作者单位
常州大学信息科学与工程学院 江苏 常州 213164 常州光电技术研究所 江苏 常州 213164    
英文单位
School of Information Science and Engineering,Changzhou University,Changzhou 213164, Jiangsu,China Changzhou Institute of Optoelectronic Technology, Changzhou 213164, Jiangsu, China    
关键词
手势识别 贝叶斯感知隐马尔科夫模型 巴氏距离 HON4D特征 HOG特征
Keywords
Gesture recognition BS-HMM Bhattacharyya distance HON4D feature HOG feature
基金项目
国家自然科学基金项目(61772090)
作者资料
朱正伟,教授,主研领域:智能检测技术及应用。祝磊,[HTSS]硕士生。饶鹏,[HTSS]研究员。 。
文章摘要
开发一个基于深度图像的手势识别系统,将巴氏距离(Bhattacharyya distance)引入到贝叶斯感知隐马尔科夫模型(BS-HMM)中,称为BDBS-HMM。使用深度摄像机Kinect捕获深度序列图,通过骨架信息对手部位置进行跟踪,识别手部区域,得到手部分割图;从分割图像中提取4D曲面法线方向分布(HON4D)特征和方向梯度直方图(HOG)特征表示运动模式;将每k个连续的特征向量组合成一个序列分布变换所有训练特征向量,使用分布序列来对BDBS-HMM进行训练。该系统在使用MSRGesture3D数据库和自己建立的数据库的情况下,将BDBS-HMM与标准HMM和BS-HMM进行比较,实验结果表明了该系统的优越性。
Abstract
In this paper, we developed a gesture recognition system based on depth image, and Bhattacharyya distance was incorporated into BS-HMM,named BDBS-HMM. The depth sequence image was captured by the depth camera Kinect, and the hand segment image was obtained by tracking and recognizing the hand region through the skeleton information. Then the HON4D features and HOG features were extracted from the segmentation image to represent the motion pattern. Each k consecutive feature vectors were combined into a sequence distribution to transform all training feature vectors. Distribution sequence was used to train BDBS-HMM. The system was compared with the standard HMM and BS-HMM in the case of using MSRGesture3D database and our database. The experimental results show the superiority of the system.
下载PDF全文   

根据该篇关键词查找到本刊已发表相关论文供参考
序号
文  章  标  题
作者1
发表栏目
页码
摘要
1
基于BS-HMM和巴式距离的手势识别技术研究
朱正伟
人工智能与识别
2019
6
163
[摘要]
2
基于改进的卷积神经网络的手势识别的研究
谢铮桂
人工智能与识别
2019
3
192
[摘要]
3
基于AlexNet的小样本水面漂浮物识别
李宁
人工智能与识别
2019
2
245
[摘要]
4
面向协同装配的混合现实手眼交互技术研究
王增磊
图像处理与应用
2019
1
251
[摘要]
5
局部遮挡条件下的人脸识别
岳震
人工智能与识别
2018
5
224
[摘要]
6
面向无人驾驶的高速公路指路标志字符检测
徐家伟
图像处理与应用
2018
2
224
[摘要]
7
基于头部姿态与面部特征混合手势的设计与研究
于鲲
图像处理与应用
2018
12
209
[摘要]
8
基于骨骼信息下的手势识别研究
杨和稳
图像处理与应用
2018
12
228
[摘要]
9
基于Leap Motion手势识别方法在树木交互的应用
王红全
人工智能与识别
2018
10
153
[摘要]
10
基于证据理论融合的手势识别方法研究
高明柯
人工智能与识别
2018
1
191
[摘要]
11
基于高斯混合模型的叶片检测分割算法
侯兆静
图像处理与应用
2018
1
253
[摘要]
12
一种基于Leap Motion的非参数RDP检测算法
张雪鉴
人工智能与识别
2017
6
169
[摘要]
13
基于Leap Motion传感器的自适应动态手势识别
刘权
人工智能与识别
2017
2
198
[摘要]
14
基于指尖角度集核密度估计手势特征提取
林海波
图像处理与应用
2016
9
195
[摘要]
15
基于MEMS传感器的三维空间运动轨迹提取方法
仇立杰
算法
2016
9
292
[摘要]
16
基于计算机视觉的多特征手势识别
张军
人工智能与识别
2016
6
151
[摘要]
17
Leap Motion体感控制器及其在飞机结构展示系统中的应用
刘春
嵌入式软件与应用
2016
4
227
[摘要]
18
深度图像手势分割及HOG-SVM手势识别方法研究
LE Vanbang
人工智能与识别
2016
12
122
[摘要]
19
基于自适应手指分割与判别的静态手势识别
崔家礼
人工智能与识别
2016
10
181
[摘要]
20
基于改进的YCbCr空间及多特征融合的手势识别
薛俊韬
人工智能与识别
2016
1
151
[摘要]
21
基于Kinect骨骼数据的静态三维手势识别
李红波
人工智能与识别
2015
9
161
[摘要]
22
结合Kinect与MIDI的和声辅助训练系统
田梅
应用技术与研究
2015
8
68
[摘要]
23
基于Kinect的手势识别算法研究及应用
吴晓雨
人工智能与识别
2015
7
173
[摘要]
24
视觉单词优化仿射尺度不变特征变换的视频人脸识别
张雪峰
图像处理与应用
2015
7
223
[摘要]
25
基于双路加速度计的空间手写输入识别模型
王祥雒
人工智能与识别
2015
5
193
[摘要]
26
基于HOG算子的手型特征提取算法
蒋美云
信息技术交流
2015
12
326
[摘要]
27
一种基于颜色不变量和PHOG特征的交通标志检测方法
周广波
人工智能与识别
2014
8
160
[摘要]
28
基于粒子滤波和多示例学习的目标跟踪
罗萱
人工智能与识别
2014
8
186
[摘要]
29
面向互动电视的手势交互系统
刘雪君
应用技术与研究
2014
11
81
[摘要]
30
智能手机点击劫持攻击检测方法研究
曹娇华
安全技术
2014
11
312
[摘要]