基于计算机视觉的多特征手势识别

目前常用单特征手势识别方法中,缺少完整的手势轮廓信息,对局部相似度高和形状复杂的手势识别率较低,为此提出一种将CSS特征描述子与Hu不变矩相结合的手势特征提取方法。首先,利用肤色模型把手势从复杂的背景中提取出来,然后分别提取手势的Hu不变矩和CSS描述子来构建融合特征,最后利用人工神经网络对新特征进行识别和分类。实验结果表明,与基于单一特征的识别方法相比,该方法整体识别率更高,对局部形似度高的手势识别率有很大提升。

救生衣-人系统漂浮运动测量中的标志点识别

以曲率尺度空间技术为基础,提出了一种快速、高精度的圆形目标鲁棒识别算法。从边缘图像中提取目标轮廓的关键点作为轮廓的分割点,从中筛选出在一定准则下可接受的圆弧。经过两次聚类和两次拟合得到圆形目标的准确参数。对比实验表明,只要目标边缘的局部连续弧段足够长,该算法就可获得比Hough变换更高的精度,时间复杂度大大降低且不受目标尺寸的制约。该算法已用于人体水中漂浮运动跟踪,在复杂背景、光照不稳定和标志点被部分遮挡的情况下求取了人体运动的时间历程,获得了满意的效果。