基于虚拟仿真方法的手部姿态数据集构建技术

手部姿态是人机交互的重要载体,姿态信息的获取和识别很大程度上依赖于手部姿态数据集。现有的数据集分成2类:真实数据集和合成数据集。真实数据受限于设备与环境等因素,手部姿态类别不足且标注掺入大量人工误差。而目前存在的合成数据虽然可以解决真实数据的数据量问题,但生成的手部姿态有限且存在一些不合理的运动学姿态,获取的数据往往也只有RGB图像。通过研究手部的解剖学结构,基于虚拟仿真方法,创建了手部的虚拟三维运动学模型和一个手部姿态仿真生成器。利用该生成器构建的手部姿态数据集既可以有效解决真实数据数据量不足、标注准确度低、人工标注工作量大等问题,也可以解决当前合成数据手部姿态类别不足且数据模态单一的问题。

基于指尖位置的人手与HIT/DLR灵巧手运动映射

分别建立人手和HIT/DLR机器人灵巧手的几何模型,并分析两者之间的结构差异及其产生的运动映射问题.通过数据手套测得人手关节角度,利用人手模型和人手运动学关系计算得到人手指尖位置,通过改进的指尖位置的映射方法,将人手的运动映射到机器人灵巧手上,解决了人手运动空间和灵巧手空间不一致的问题.仿真试验结果表明该映射方法是有效和直观的,能满足对HIT/DLR机器人灵巧手遥操作的需要.

基于自适应遗传算法的手势识别

基于小样本库的手势识别是先进人机交互研究中的一个重要分支.根据Tortoise人手模型训练手势模式库并结合交互者的具体手部特征进行手形训练,生成适用于特定交互者的手势模式库.在交互过程中,根据来自一个或多个同步摄像头的视频信息进行基于自适应遗传算法的手势识别.实验结果表明,在环境光照基本稳定的条件下,文中算法可以实现鲁棒的实时手势识别.

手分为多节段的人体热调节模型研究

将人体热调节柱状模型和手的多节段模型结合起来,建立了更完整的人体热调节模型。利用有限元方法对人体热调节数学模型进行了数值求解,并设计试验证明了模型的正确性。结果表明: (1)当取合适的血流量时,实验值和计算值的变化趋势一致,且手部温度稳定时,血流量都在确定的范围内;(2)血液流量是手部温度场变化的主要因素,人体组织和动脉入口温度对手部温度影响较小。

人手食指运动学建模

通过分析人手解剖学结构和观察人手运动特性,提出如下观点:(1)食指指掌关节具有两个轴线垂直相交的旋转自由度,两轴线相对于手掌不同的排列顺序对应于两种不同的运动学模型,指掌关节只能是其中的一种;(2)食指指掌关节的两个自由度在运动极限位置具有相关性.通过实验测绘出人手食指的工作空间形状,将之与两种可能的食指运动学模型对应的工作空间相比较,判别出指掌关节的真实运动学结构,并验证了指掌关节极限位置上两个自由度运动相关性.在上述工作基础上建立了符合人手实际结构的手指运动学模型.

以改善精度为目标的人手跟踪方法研究

分别从UKF滤波器的内在机理和人手运动模型两个方面入手,以改善跟踪结果的精确度为基本目标,重点对UKF算法中存在的部分理论问题进行了探讨,在此基础上提出了改进后的UKFDUT算法,同时也对IMM进行了改进,把IMM模型变为MM模型,再进一步将UKFDUT算法和MM模型相融合,得到UKFDUT+MM算法.研究表明,Sigma点具有一些特性,通过对这些特性进行研究,可以找到改进跟踪精度的新途径;把MM模型和人手模型评价标准相结合,可以取得比单独使用IMM更好的跟踪精度.实验结果也表明了算法的有效性和令人满意的跟踪精度.

基于数据手套的虚拟人手运动建模系统的研究

研究了基于WiseGlove7S数据手套的虚拟人手运动建模系统的研究,阐述了数据手套的光纤传感器分布,提出了传感器值归一化和手势自定义的方法;对数据手套和虚拟手的软件开发包进行了详细的描述;最后基于OpenGL和Unity 3D平台分别实现了虚拟人手手势建模和虚拟人手运动运动建模。通过这些研究,可为虚拟现实中虚拟人手运动的应用提供一定的借鉴。

基于虚拟现实技术的油田仿真培训系统的设计

油田作业培训的安全问题一直备受关注,为了保证油田作业培训的安全性,将虚拟现实技术应用于油田仿真培训工作,建立油田仿真培训系统。该系统基于虚拟现实技术,设计了油田仿真培训系统的总体结构,提出了演示、操作演练和考评三种培训模式,阐述了交互式菜单和对三维实体的交互式操作两种人机交互方式,引入了虚拟人和虚拟手的模型及控制技术。该系统虚拟场景逼真,培训功能齐全,用户可以进行多视点、多场景的浏览,让用户有身临其境的感觉,目前已经应用到实际培训中,效果良好。

手太阴肺经在虚拟人体上的可视化研究

目的:显示手太阴肺经在虚拟人上的体表循行路线。方法:通过定义腧穴为控制点,并适当插值,合成骨架曲线,实现面绘制,重建经脉管状模型。结果:重建后的经脉模型视觉效果好,并可以显示手太阴肺经循行路线上不同层次的解剖结构。结论:初步实现了手太阴肺经在虚拟人体上的可视化显示,为构筑经络研究平台提供了数据载体。

基于模型的虚拟人手势重构方法研究

虚拟人手操作的逼真性和准确性直接影响到仿真分析结果的可靠性。在虚拟维修作业过程中虚拟人需要不同的手势对各种工具进行灵活操作,针对该问题提出了从模型中重构手势的思想,并给出了一种新的关节角提取算法。首先,在人体建模软件中建造需要的目标手势并提取出骨架;然后用算法对原有手部模型各关节角进行迭代求解,直到该手部模型姿势与目标手势一致,实现对目标手势的重构。Jack平台上仿真结果表明,该算法可以快速有效地提取出手部模型的关节角。

具有实时交互功能的虚拟手的设计与实现

现有传统的建模软件可以进行三维建模,但是这种模型缺乏实时交互性能,即模型动作是预先设定好的,用户不能够实时的和模型进行交互。针对这一问题,提出了一种改进的虚拟三维模型重建的方法,采用插帧和顶点变换等算法,有效地实现了用户和虚拟三维模型间的实时交互,并以人手骨骼结构为例进行建模,实现了各关节和真实人手具有相似的自由度。实验结果表明,虚拟人手系统增强了虚拟人手的真实感和交互性,实现了虚拟人手的实时控制。

基于圆弧扫描线的手势特征提取和实时手势识别

基于手势的人机交互是当前备受关注的自然人机交互模式之一,实时手势识别是其中最重要的步骤。本文提出了一种基于圆弧扫描线的手势特征提取和实时手势识别方法。首先,基于一种抽象描述手掌和五指关系的简洁人手海龟模型,结合肤色特征和腕部标记分割出人手部图像,并进行二值化处理和统一尺寸来建立手势训练集。然后,以手掌中心为圆心构造同心圆来提取训练集中不同手势样本的特征,并使用线性判别分析(Linear discriminant analysis,LDA)算法对手势特征向量进行离线预处理。最后,使用改进的加权K近邻(Weighted-K-nearest neighbor,W-KNN)算法进行实时手势分类和识别。为了验证本文方法的有效性,在自建小型手势数据库上进行了算法分析和比较,并在多投影系统下进行实时交互测试。实验结果表明本文算法具有较高的识别效率。

人肠道病毒71型动物模型研究进展

人肠道病毒71型是婴幼儿手足口病的致病原之一,其严重的并发症可导致神经系统疾病,甚至死亡,是近期威胁中国儿童健康的因素之一。目前尚无临床疫苗可以预防该病毒感染,而EV71的动物模型是进行致病机理、疫苗评价和药物等研究的基础。本文对EV71的两种常用动物模型:小鼠和猕猴(Macaca mulatta)模型进行了描述,并对其在研究中的应用给与概括,为研究者选择合适的动物模型提供了依据。

基于表观的动态孤立手势识别

给出一种基于表观的动态孤立手势识别技术 .借助于图像运动的变阶参数模型和鲁棒回归分析 ,提出一种基于运动分割的图像运动估计方法 .基于图像运动参数 ,构造了两种表观变化模型分别作为手势的表观特征 ,利用最大最小优化算法来创建手势参考模板 ,并利用基于模板的分类技术进行识别 .对 12 0个手势样本所做的大量实验表明 ,这种动态孤立手势识别技术具有识别率高、计算量小、算法稳定性好等优点 .

基于视觉的手势识别技术

近年来计算机已经成为人们日常生活的一部分,人们与计算机的交互也日益成为科研领域的热点。基于视觉的手势识别是实现新一代人机交互所不可缺少的一项关键技术,而手势识别的研究也可促进手语识别的发展,从而消除健全人与聋哑人之间的交流障碍,使他们能获得健全人的正常生活,帮忙他们参加社会的各项活动。文中介绍了手势识别方法的发展、手势识别的技术难点,具体阐述了基于视觉的手势识别系统原理和组成,手势的建模以及在手势识别中常用的技术方法。

基于傅立叶描述子和HMM的手势识别

针对家庭服务机器人平台中人机交互的问题,提出基于视觉的手势识别作为人与机器人交互的方式,研究利用傅立叶描述子对手势形状进行描述,并结合支持向量机和隐马尔可夫模型分别对静态手势和动态手势进行分类,实现了静态手势和动态手势的识别。该系统基于新型传感器Kinect,在图像分割阶段结合图像深度信息,可以有效的将手势区域提取出来,在一定范围内具有较强的鲁棒性,特征提取阶段基于傅立叶描述子,使手势识别具有旋转、缩放、平移不变性。针对七种常见静态手势和四种动态手势进行测试,平均识别率分别达到98.8%和96.7%,实验结果表明该系统具有较高的准确度。

提高行车安全的乘务员手伸界面的设计与实现

本文从人体生理结构出发,通过对人体的基本结构及其运动自由度的分析,建立了手臂运动模型,并通过在计算机上绘制司机室中控制器的位置、形状和大小来对其是否符合手伸界面做出判断。

手工具的人性化设计研究

从人的因素出发,依据人机工程学对手工具的设计进行分析和研究,并从工业设计的角度提出如何从手工具材料、造型、色彩等方面作出改进,进一步优化手工具人性化设计。

应用计算机视觉的动态手势识别综述

从手势识别系统框架模型、手势分割、手势建模与分析和手势识别等几个方向,系统地综述当前计算机视觉动态手势识别技术的研究现状,分析其存在的不足,提出了进一步研究的问题.结果表明:基于简易可穿戴设备的手势识别、基于深度视觉传感器的手势识别和多方法交叉融合的手势识别将是未来该领域的发展趋势.

基于OPENCV的手势识别系统的设计与实现

人与计算机的交互技术是一种新型的计算机技术,且逐渐演变为一种主流技术和计算机领域的技术热点;为了能够更好地识别手势和跟踪手势的运动轨迹,提出了基于OPENCV的手势识别系统,系统引入了OPENCV计算机视觉库,OPENCV作为优秀的计算机视觉库,为设计的实现提供了便捷的代码,利用OPENCV技术中的图像处理算法,首现通过摄像头采集数据图像,并对采集到的图像进行一系列的缩放,去噪以及锐化等处理,然后对人体手势建立肤色模型,然后经过灰度阈值化来转换成二值图像,得到手轮廓的数据图像后,采用轮廓匹配方法识别出手型;最后通过10种基本的手势模型对比验证了本系统具有一定的实时性,并且识别率可以达到95%以上。