基于数据手套和神经网络的数字手势识别方法

针对使用数据手套进行数字手势识别时存在个体差异的问题,使用弯曲电阻片设计了数据手套并提出了基于神经网络的数字手势识别方法.首先,在分析测量电路原理的基础上结合弯曲电阻片的特性优选了电路参数,使手指弯曲角度测量的灵敏度最大化.其次,针对用户在手指长度、手势习惯上存在个体差异的情况,提出了一种基于弯曲信号自学习和广义回归神经网络(GRNN)的数字手势识别方法.数据手套信号测试及数字手势试验结果表明,采用优选的电路参数时测量电路的输出振幅最大;在全体评估试验和个体交叉评估试验中,经过自学习预处理后的数字手势识别平均准确率分别为99.2%和96.1%,与未进行自学习处理的识别结果相比分别提高了2.8%和10.7%.在全体评估试验和个体交叉评估试验中,GRNN的识别结果均优于决策树的识别结果.

基于OpenCV的数字手势识别算法

基于视觉的手势识别提供了一种更加友好的人机交互方式。提出一种基于OpenCV视觉库的快速实用的静态手势识别算法,通过将运动信息与肤色相结合的方法,去除与肤色相近的背景区域,实现了HSV色彩空间中手势图像的准确分割;提取图像的Hu不变矩作为手势的特征向量,解决了手势的旋转、平移和缩放问题,通过计算输入手势与模板手势图像的特征向量的距离实现静态手势识别。实验结果表明,此算法的实时性好,10个数字手势的平均识别率可以达到97.4%。

基于三维视觉特征的数字手势语义识别新方法研究

为了解决现有手势识别易受背景噪声干扰和算法较为复杂的问题,提出一种基于3D视觉的数字手势语义识别方法。首先,通过RealSense 3D相机采集手部区域的RGB图像和深度图像,并结合深度信息和肤色信息,对手势进行分割;其次,对手势图像进行形态学滤波后,得到手势区域的轮廓凸包面积比、凸缺陷数、手指夹角和关键点连线比值等特征参数;最后,通过分析不同手势独有的特征参数,实现准确的手势识别。对数字0~9的手势分别进行50次识别实验,手势分割准确率为100%,手势识别准确率为98.5%。实验表明该方法准确可靠,数字手势识别效果理想。

基于卷积神经网络在手势数字识别中的研究分析

近年来,基于卷积神经网络(CNN)的图像分类应用越来越广泛。为建立一种CNN手势数字识别模型,使用手势数字数据集,利用Pytorch深度学习框架构建了AlexNet、VGG16、ResNet50三种经典卷积神经网络,实现了手势数字识别模型。将测试数据输入训练完成的网络模型中,对比分析识别结果,实验表明:卷积神经网络在手势数字识别上拥有极佳的表现,且ResNet50模型的准确率可达93.3%,识别效果优于其他两种模型。

不同表征方式对儿童早期数量加工的影响

本研究随机选取120名3-6岁儿童,根据数字手势、数字词和数字手势+数字词三种方式表征的数量进行按数取物,或运用数字手势、数字词来表征物体的数量,考察不同表征方式对儿童早期数量加工的影响。结果表明,3-6岁儿童对数字手势表征的加工正确率最低,数字词更有助于儿童早期对大数量的加工,数字手势+数字词的表征更有助于3-5岁儿童对小数量的正确加工及5-6岁儿童对所有数量的加工。研究结果表示,成人在进行数学教育时,应重视多种数字表征方式的综合运用,注重培养3-6岁儿童采用多种方式表征数字的能力。

基于国密算法的即时通信加密软件系统的设计与实现

对当前移动手机客户端的即时聊天应用现状进行研究与分析,提出一种基于国密算法的即时通信加密软件系统。以iOS平台实现为例,该系统由系统服务器端和移动客户端两大部分构成。系统服务器为手机移动客户端提供调用接口并结合苹果APNs服务器进行即时消息推送操作;移动客户端包含添加好友和即时聊天等核心功能模块。该系统在即时消息加密过程中采用了国密SM2算法,以数字信封的方式实现SM4对称密钥安全分发,在系统服务器端使用SM4密钥加密后的密文进行安全传输。在移动客户端即时消息查阅的过程中使用手势、数字密码锁安全验证的方式进行信息查阅保护。该系统在即时消息的传输层和即时消息显示层都设定了安全可行的保护措施使得即时会话更加安全。应用结果表明该系统将具有较大的市场应用空间。