高级检索

  • ISSN 1006-3080
  • CN 31-1691/TQ
引用本文:
Citation:

基于深度图像HOG特征的实时手势识别方法

    通讯作者: 朱煜, zhuyu@ecust.edu.cn
  • 基金项目: 国家自然科学基金(61271349)
    中央高校基本科研业务费专项资金(WH1214015)

  • 中图分类号: TP181

Real-Time Gesture Recognition Method Based on Depth Image HOG Features

    Corresponding author: ZHU Yu, zhuyu@ecust.edu.cn ;
  • CLC number: TP181

  • 摘要: 手势识别是模式识别领域的一个热点研究方向。提出了一种利用Kinect传感器深度图像进行手势分割的方法,并研究了基于灰度图像HOG特征的手势识别模型;深入研究了HOG特征,分析其特征向量特点,探讨了不同特征维数对训练机的影响及处理效率;通过SVM机器学习方法实现手势的分类识别,经过对大量实验样本的优化训练,获得了最优SVM参数,并进行分析、对比识别率。本文方法维数少、识别率高、运行速度快、性能稳定,能满足实时性手势识别的要求。
  • [1] 程文山.基于肤色分割及CAMSHIFT的手势识别研究[D].武汉:华中师范大学, 2009.
    [2] 包加桐,宋爱国,郭宴,等. 基于SURF特征跟踪的动态手势识别算法[J]. 机器人, 2011,33(4):482-489.
    [3] 张良国,吴江琴,高文,等. 基于Hausdorff 距离的手势识别[J]. 中国图象图形学报,2002,7(11)::1-8
    [4] 任彧,顾成成. 基于HOG 特征和SVM 的手势识别[J]. 科技通报,2011,27(2):211-214.
    [5] Frati V, Prattichizzo D. Using Kinect for hand tracking and rendering in wearable haptics[C]//IEEE World Haptics Conference. Istanbul, Turkey: IEEE, 2011:317-321.
    [6] 邓瑞,周玲玲,应忍冬. 基于Kinect深度信息的手势提取与识别研究[J]. 计算机应用研究, 2013,30(4):1263-1265,1274.
    [7] Wang Hanjie, Fu Jingjing, Lu Yan, et al. Depth sensor assisted real-time gesture recognition for interactive presentation[J]. Journal of Visual Communication and Image Representation, 2013,24(8):1458-1468.
    [8] Mastorakis G, Makris D. Fall detection system using Kinect's infrared sensor[J]. Journal of Real Time Image Processing, 2014, 9(4): 635-646.
    [9] Min R, Kose N, Dugelay J L. KinectFaceDB: A Kinect database for face recognition[J]. IEEE Transactions on Systems Man Cybernetics-Systems, 2014, 44(11): 1534-1548.
    [10] Yue Haosong, Chen Weihai, Wu Xingming, et al. Fast 3D modeling in complex environments using a single Kinect sensor[J]. Optics and Lasers in Engineering, 2014, 53: 104-111.
  • 加载中
计量
  • 文章访问数:  8179
  • HTML全文浏览量:  592
  • PDF下载量:  1679
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-12-01
  • 刊出日期:  2015-10-30

基于深度图像HOG特征的实时手势识别方法

    通讯作者: 朱煜, zhuyu@ecust.edu.cn
  • 1. 华东理工大学信息科学与工程学院, 上海 200237
基金项目:  国家自然科学基金(61271349)中央高校基本科研业务费专项资金(WH1214015)

摘要: 手势识别是模式识别领域的一个热点研究方向。提出了一种利用Kinect传感器深度图像进行手势分割的方法,并研究了基于灰度图像HOG特征的手势识别模型;深入研究了HOG特征,分析其特征向量特点,探讨了不同特征维数对训练机的影响及处理效率;通过SVM机器学习方法实现手势的分类识别,经过对大量实验样本的优化训练,获得了最优SVM参数,并进行分析、对比识别率。本文方法维数少、识别率高、运行速度快、性能稳定,能满足实时性手势识别的要求。

English Abstract

参考文献 (10)

目录

    /

    返回文章