共查询到20条相似文献,搜索用时 15 毫秒
1.
2.
3.
为了提高人机交互中手势动作的识别率,基于Kinect平台所构建的人体骨骼模型,提出一种基于时间线的相关关节数据表示方法。以几种常见交互手势为分类基础,在BP神经网络中使用样本数据进行训练。实验结果表明,该算法取得了较好的识别效果。 相似文献
4.
结合虚拟维修教学和体感技术,研究了Unity3D开发环境下体感设备Kinect的引入、操作替身设计、维修姿态表态等问题。实际应用证明体感式维修教学系统是一种比传统键盘鼠标操作更加优越的训练方式。 相似文献
5.
为实现行人运动目标检测,需要对目标运动场景进行采集,包括彩色信息和深度信息。然而在图像形成和传输过程中,会受到环境、光照等多种因素影响,采集到的信息与实际场景相比存在降质或退化问题。因此,在进行行人运动目标识别分割之前,需要对原始图像进行预处理。介绍了采集原始图像的硬件设备Kinect2.0传感器;根据深度成像原理,分析了深度图像的预处理算法。 相似文献
6.
7.
以Kinect技术为基础,提出了一种基于LabVIEW实现的医疗服务机器人设计.利用Kinect对人体的运动参数进行采集,通过LabVIEW软件平台实现对人体骨架3D模型的还原重建,并对其数据进行处理得出操纵指令.机器人按照接收的指令进行运动,完成对人体的运动跟踪. 相似文献
8.
王明东 《Journal of Zhangzhou Technical Institute》2012,14(2):11-16
要介绍了基于Kinect骨骼跟踪功能开发一套手势模拟鼠标操作的设计思路与实现方法,以实现对计算机的远距离手势遥控。 相似文献
9.
林文燔 《河北软件职业技术学院学报》2021,23(2):12-16
借助Unity3D开发平台,从整体流程设计、交互式展示动画的制作、数据的连接、手势的识别、汽车底盘模型的交互操作等方面入手,对汽车底盘结构进行三维建模,设计交互式展示的仿真系统。采用Kinect深度传感器作为人体识别交互设备,应用到虚拟仿真系统中的汽车底盘展示和拆装训练中,提高用户的体验感,帮助识别汽车底盘部件,增强拆装训练立体感,具有前瞻性。该设计能够减少传统汽车底盘拆装训练耗费的财力物力,有效促进学生对知识点的深入理解,提高其实践能力和创新意识。 相似文献
10.
11.
实现基于序列图像的手势轨迹识别,提出一种基于位置关系的手势轨迹识别方法,利用Kinect体感设备传感器提取轨迹序列,分析坐标序列的轨迹样本,通过黄金分割实现轨迹的匹配与识别。实验结果证明,该方法能有效识别手势轨迹。 相似文献
12.
基于Kinect的3D医学影像辅助诊疗系统在VTK(Visualization Toolkit)的基础上对二维DICOM序列医学影像进行了三维重建。利用Kinect设备作为3D影像控制器,摆脱了传统交互设备(鼠标、键盘) 操控3D影像的局限性、带菌性,医生可以在真实的3D空间进行无菌操作。利用Kinect对用户手掌进行跟踪,记录并分析不同动作的数据变化特征,重复记录并分析多人数据,验证特征的准确性。对伸展或并拢双手动作用最小二乘法进行线性拟合,即通过数据模型匹配来识别用户行为。在识别出正确的指令后,对响应程度值进行转换,最终确定3D医学影像变化,进而实现在无接触性操作情况下,用户能在真实3D空间对三维重建后的医学影像进行无菌控制。实验结果表明,所设计的方案能准确识别用户行为,且图像变换效果符合大多数用户的自然习惯。 相似文献
13.
为改善现有儿童安全教育体系功能,解决传统安全教育枯燥问题,采用Unity 3D游戏引擎架构,搭建儿童安全教育场景,结合Kinect传感器采集体验者骨架信息。通过简易分析,判断体验者动作状态,导入Unity 3D动画控制器,开发一款基于体感交互的儿童安全教育平台。系统在儿童安全体验馆受到欢迎,是一款互动性良好、儿童易接受、成本适中的安全教育平台。 相似文献
14.
基于Kinect的自衡车交互系统通过Kinect摄像头采集人体骨骼追踪数据,将其图像化显示到屏幕上,并识别人体肢体动作或手势,将结果转换为控制命令,通过蓝牙传输到自衡车,实现控制自衡车的前进、后退、转向等功能。将人体姿态识别技术和两轮自衡车结合起来,能够满足复杂环境的人机交互控制的需求,对复杂环境机器人勘探领域具有参考价值。 相似文献
15.
16.
石曼银 《赤峰学院学报(自然科学版)》2013,(18):27-28
本文提出了一种新型的利用Kinect获取深度图像并进行手势轨迹识别的应用方法,该方法称为HMM(隐马尔可夫)手势轨迹识别方法,具体操作步骤为:首先利用Kinect传感器获取深度图像,然后通过OpenNI的手势生成器的手势分析模块获取完整的手势信息,对手部进行形态学处理,识别并跟踪手势,提取手势轨迹,最后运用HMM手势轨迹识别方法进行识别.实践证明,该方法可快速有效地实现手势轨迹的识别. 相似文献
17.
《实验室研究与探索》2020,(7)
针对现有基于特征的跌倒检测方法误报率较高和传统循环神经网络方法受梯度消失影响难以训练等问题,引入独立循环神经网络(RNN),通过构建基于独立循环神经网络的双向、多层和残差结构的跌倒检测模型,实现了对原始数据端到端的跌倒判决。通过选择合适的损失函数,实现了基于奈曼-皮尔逊准则的跌倒检测。利用研制的可穿戴式跌倒检测设备采集各种跌倒与非跌倒样式的数据,通过实验测试了不同网络结构和参数对模型训练的影响。结果显示,基于独立循环神经网络的跌倒检测方法更容易训练,检测率和误报率显著优于基于原始RNN的方法,与基于LSTM网络的方法性能相当,表明了所提方法对提高检测率和降低误报率的有效性。 相似文献
18.
跌倒一直是影响人体健康的重要因素之一,针对现有跌倒检测算法由于缺乏真实老人跌倒样本导致的适应性不足等问题,提出了一种基于大数据平台的人体跌倒检测方法。该方法通过分析传感器的信息构建特征向量,运用机器学习的算法建立分类模型,将采集到的信息实时传送并保存到搭建好的hadoop大数据平台,平台通过相似度度量判断模型是否需要更新。随着数据样本不断增加,系统的准确率会不断提高。实验数据表明该方法准确率能在一定范围内实现稳步提高。 相似文献
19.
手势识别是人机交互领域的一种重要手段。针对现有算法识别率低,鲁棒性弱的问题,本文基于Kinect传感器获取的手势深度图像,对复杂背景干扰下的手部区域进行分割,然后利用梯度方向直方图(HOG)对手部灰度图像进行特征提取,最后利用最小马氏距离分类器进行建模、分类,实现静态手势识别。根据Kinect传感器获取的深度信息结合阈值分割法,能够准确地检测手部区域,为后续识别打下良好的基础。而HOG特征适应光照的变化,且具有几何不变矩的特性。实验结果表明,本文提出的手势识别方法在光照变化和复杂背景干扰下具有较强的鲁棒性和较高的识别率。 相似文献