Implementation of natural hand gestures in holograms for 3D object manipulation

Holograms provide a characteristic manner to display and convey information, and have been improved to provide better user interactions Holographic interactions are important as they improve user interactions with virtual objects. Gesture interaction is a recent research topic, as it allows users to use their bare hands to directly interact with the hologram. However, it remains unclear whether real hand gestures are well suited for hologram applications. Therefore, we discuss the development process and implementation of three-dimensional object manipulation using natural hand gestures in a hologram. We describe the design and development process for hologram applications and its integration with real hand gesture interactions as initial findings. Experimental results from Nasa TLX form are discussed. Based on the findings, we actualize the user interactions in the hologram.

连续动态手势的时空表观建模及识别

论述了复杂背景下连续动态手势的分割、建模及识别 ;融合手势运动信息和皮肤颜色信息 ,进行复杂背景下的手势分割 ;通过结合手势的时序信息、运动表观以及形状表观 ,提出动态手势的时空表观模型 ,并提出基于颜色、运动以及形状等多模式信息的分层次融合策略抽取时空表观模型的参数 .最后 ,提出动态时空规整算法用于手势识别 .实验表明 ,利用上述提出的手势分割、建模、特征参数抽取及识别方法识别 12种手势 ,平均识别率高达 97% .

人体的肤色特征

肤色特征在MPEG4、基于内容的图像检索、虚拟现实等领域有着广泛的应用 .目前肤色聚类的方法有很多 ,结果各异 ,但都没有涉及颜色现象的本质 .探讨了人体肤色的基本问题 :影响肤色聚类的颜色空间、光源颜色对聚类的影响以及颜色恒常性 .提出了用于肤色聚类的新的颜色空间 ,给出了光源变化和图像数据之间的关系 ,证明了图像中高光和阴影只影响肤色的饱和度 .在此基础上 。

一种可变光照条件下的肤色检测算法

肤色是人体表面最为显著的特征之一,可应用于人脸检测与跟踪、手势识别等,肤色检测算法在其中居于关键地位。该文提出了一种可变光照条件下的肤色检测算法,首先在YCbCr颜色空间从大量肤色样本中统计出肤色模型,考虑了在高亮度区和低亮度区肤色色度(Cb,Cr分量)与亮度(Y分量)非线性相关;其次,使用一种彩色均衡技术消除由光照引起的色彩偏移。该算法可适用于较广范围的光照条件,可应用于复杂环境下的人脸检测、手势识别等。

基于改进的YCbCr空间及多特征融合的手势识别

针对基于视觉的手势识别的复杂性,提出一种基于改进的YCbCr空间及多特征融合的手势识别新方法。首先针对YCbCr颜色空间易受环境因素影响的特点,采用改进的YCbCr椭圆聚类肤色模型的手势分割方法提取手势区域;然后按手势图像外接矩形的宽高比和手指个数进行粗分类,再提取手势的Hu矩和傅里叶描述子构建融合特征,并将融合特征输入BP神经网络进行训练识别;最后综合粗分类和BP神经网络的结果进行手势判别。实验结果表明,该方法在保证实时性的同时具有较高的识别率。

基于尺度空间特征实时手势识别

为了实现快速准确的对图像中的手势进行检测与识别,同时为相关后续研究打下基础,在对现有的方法进行改进的基础上,提出了使用基于尺度空间的特征检测方法在图像中分别检测手指和手掌的结构,进而完成手势识别实验.实验数据表明,这种方法在手势识别的正确率上较其他方法有了一定的提高.

复杂环境中多信息融合的手势识别

针对复杂环境中的手势识别问题,提出了一种融合深度信息和红外信息的手势识别方法。首先利用Kinect摄像头的深度信息进行动态实时手势分割,然后融合红外图像复原手势区域。解决了实时手势分割和利用手势的空间分布特征进行手势识别时由于分割的手势区域有缺损或有人脸干扰时识别率低的问题。经实验验证,提出的方法不仅不受环境光线的影响,而且可以识别区分度较小的手势,对旋转、缩放、平移的手势识别也具有鲁棒性。对于区分度较大的手势,识别率高达100%。

基于快速尺度空间特征检测的手势识别方法

在基于几何模型的手势识别方法中,尺度空间特征检测是一种最常用的方法。由于传统方法涉及大量的高斯卷积运算,计算非常复杂。提出了一种快速的尺度空间特征检测方法,采用一组简单的矩形特征模板近似传统方法中复杂的高斯导数卷积模板,得到了尺度空间几何特征的快速检测子。通过对手势图像中B lob和R idge结构的检测,得到手掌和手指结构的描述,进而完成手势识别。矩形特征模板的卷积可以用积分图进行快速计算,该方法使特征检测的速度得到了很大提高。在标准数据集和自然环境图像数据上的实验结果表明,该方法在保证识别准确率的同时,有效地提高了手势识别的实时性。

基于Leap Motion的病患手评估算法研究

手功能评估的传统方法还是基于医生和专家的主观判断,这样的方法不仅仅缺乏标准性,同时还会因为个别医生或者专家的评估标准不同,获得错误的评估结果。随着人工智能的发展,硬件的革新换代,各种算法的提出,使得利用计算机技术对手进行科学的自动的评估成为了可能。论文搭建了手功能自动评估系统,利用Leap Motion提取手各个部位在空间中的位置和方向,提出评价两手之间手势差异程度的方法,从而实现数据化后的患侧手和健康手的比较,获得患侧手手功能丧失程度。通过该项研究,可以科学地评估患侧手的病患程度,帮助医生做进一步的诊断和治疗,有助于病人尽快恢复病患手的功能。