手势识别与交互综述

手势识别与交互技术是人机交互技术与人工智能技术前沿研究的基石任务。该任务以计算机和设备协同工作识别、处理手势信息并给出与手势相对应的机器操作为主要目标,融合应用了动作捕捉、图像处理、图像分类、多端协同交互工作等多项技术,是支撑指挥控制系统、机器人交互、医疗操作等当下前沿智能交互工作与人机交互工作的有力保障。目前,手势识别与交互的相关研究已经日渐成熟,应用领域广泛、应用场景丰富。本文主要对手势识别与交互的相关技术和硬件发展做出综述。首先,全面梳理手势识别与交互技术的研究进展,同时对手势识别的关键步骤进行归类描述;其次,分类阐述用于三维手势交互的当前主流手势识别深度传感器的相关工作;随后,对三维手势识别的真实感识别技术进行剖析和讨论;最后,分析手势识别与交互技术中存在的不足与亟待改进的问题,提出融合深度学习、模式识别等前沿技术与有可行性的研究思路和方法,对该领域未来的研究方向、技术发展和应用领域做出预测和展望。

计算机图形学人机交互中三维拾取方法的研究

介绍了计算机图形学中三维图元拾取的基本原理.对基于射线通过各种计算机三维图形学对应变换实现选取方法进行了研究,并利用O penGL函数库和M icrosoft D irectX 9.0实现三维图元选取功能.通过实验证明,利用O penGL函数库和M icrosoft D irectX 9.0可以轻松实现各种坐标系间的坐标变换.射线拾取方法对提高编程效率、运行速度、渲染效率和拣选精度都很有效.

性格特性对复杂图形界面认知能力的影响

为了阐明不同性格特性对不同复杂程度图形界面的认知行为能力,本文通过"A型行为模式"测试把受试者分为Type A型被试群体和Type B型被试群体两组,同时通过(STAI,State Trait Anxiety Inventory)特质焦虑测试把受试者分为STAI普通群、STAI高群和STAI非常高的三个群体。对两组"A型行为模式"群和三组STAI人群给予简单、中度、难三种复杂程度的界面操作任务,对任务完成准确率、反应时间、脑波和主观评价进行了测试。结果为在复杂程度简单和中度的图形界面任务操作中,"A型行为模式"的Type A受试者的任务完成程度明显增高、反应时间减少、脑波的β波明显增高。在复杂程度难的界面任务操作中,STAI三种人群中的STAI非常高人群的准确率比STAI普通群和STAI高群明显下降。结论为图形界面的认知能力受"A型行为模式"的影响,STAI状态不安特性对复杂难易不同的图形界面的认知能力具有显著的影响。

个性化推荐系统评估

论述了个性化推荐系统测评的三类方法,即离线分析、用户调查与在线评估,并分析了这些方法的应用场景与流程。其次,论文从机器学习、信息检索、人机交互及软件工程等四个视角并结合测评方法,对现有的个性化推荐系统的各类评估指标进行了分析与总结。论文所述的测评方法与评估指标体系可为推荐算法的综合评估与选择提供指导。

一种空中快速手写连续字符识别方法

为改善空中手写连续字符的识别效果,本文提出一种快速的识别方法,利用目标跟踪模型生成空中连续字符的轨迹图像,再利用连续字符识别模型识别轨迹图像。目标跟踪模型采用改进的高帧率孪生网络,连续字符识别模型采用改进的残差循环神经网络。实验结果表明,目标跟踪模型的帧率达到175.5 fps,连续字符识别模型的帧率达到30.8 fps,识别率达到91%。

基于扫雷游戏策略的规则文档碎片复原

针对规则文本碎片,提出了一种基于扫雷游戏策略和人机交互的碎片复原算法。通过边缘像素匹配距离,基线匹配距离和字母模板匹配距离,对碎片的相邻程度进行量化。由计算机选择最有可能相邻的碎片,必要时交由人工判断,直至完成碎片复原完成。对某文档碎片进行实验,结果表明这种算法是有效性的。