基于超像素分布与emd度量的快速手势识别算法

基于超像素分布与emd度量的快速手势识别算法

ID:35070656

大小:2.14 MB

页数:58页

时间:2019-03-17

基于超像素分布与emd度量的快速手势识别算法_第1页
基于超像素分布与emd度量的快速手势识别算法_第2页
基于超像素分布与emd度量的快速手势识别算法_第3页
基于超像素分布与emd度量的快速手势识别算法_第4页
基于超像素分布与emd度量的快速手势识别算法_第5页
资源描述:

《基于超像素分布与emd度量的快速手势识别算法》由会员上传分享,免费在线阅读,更多相关内容在学术论文-天天文库

1、密级:公开硕士学位论文中图分类号:TP393基于超像素分布与EMD度量的快速手势识别算法学位类型:学术型学位学科(专业学位类别):计算机科学与技术作者姓名:程明导师姓名及职称:徐建波教授实践导师姓名及职称:学院名称:计算机科学与工程学院论文提交日期:2016年5月25日基于超像素分布与EMD度量的快速手势识别算法学位类型:学术型学位学科(专业学位类别):计算机科学与技术作者姓名:程明作者学号:13010501010导师姓名及职称:徐建波教授实践导师姓名及职称:学院名称:计算机科学与工程学院论文提交日期:2

2、016年5月25日学位授予单位:湖南科技大学FastHandGestureRecognitionAlgorithmBasedonSuperpixelDistributionandEMDMetricTypeofDegreeAcademicDegreeDisciplineComputerScienceandTechnologyCandidateMingChengStudentNumber13010501010SupervisorandProfessionalTitleProf.JianboXuPractice

3、MentorandProfessionalTitleSchoolComputerScienceandEngineeringDateMay25,2016UniversityHunanUniversityofScienceandTechnology学位论文原创性声明本人郑重声明:所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外,本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体,均已在文中以明确方式标明。本人完全意识到本声

4、明的法律后果由本人承担。作者签名:日期:年月日学位论文版权使用授权书本学位论文作者完全了解学校有关保留、使用学位论文的规定,同意学校保留并向国家有关部门或机构送交论文的复印件和电子版,允许论文被查阅和借阅。本人授权湖南科技大学可以将本学位论文的全部或部分内容编入有关数据库进行检索,可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。涉密论文按学校规定处理。作者签名:日期:年月日导师签名:日期:年月日摘要手势识别是指通过计算机设备对手势进行精确解释,实现人与计算机的交互。手势作为一种自然直观的人类交流方

5、式,将其运用到人机交互具有重要的理论意义和应用价值。手势识别的研究历程大致可以分为三个阶段,依次是基于数据手套手势识别,基于视觉手势识别以及基于深度手势识别。随着微软Kinect深度传感器的推出,学术界涌现了大量基于Kinect深度传感器的手势识别论文。本文在大量阅读相关论文的基础上,提出了一个利用Kinect传感器基于超像素分布和EMD(EarthMover’sDistance)度量的快速手势识别算法FSP-EMD。该算法充分利用了Kinect传感器提供的彩色图像、深度数据及骨骼点信息,大大提高了手势识

6、别的效率和准确性。该算法的主要内容是:1)快速准确地检测手势。为加快手势检测,利用Kinect传感器的稳定骨骼追踪功能定位手势。将手势分割划分为手势定位与手势分割两个阶段。此外,本文提出一种新颖的深度区间包围手势的方法来分割手势,该方法快速且准确。2)提取紧凑丰富的手势特征。本文是基于超像素的手势识别,以超像素分布描述和概括手势特征。本文采用快速的SLIC算法生成超像素,并以六元组形式表示超像素,达到快速提取结构紧凑、内容丰富手势特征的目的。3)提出快速计算EMD距离子算法FC-EMD。本文采用EMD距离

7、度量超像素分布间的距离,以EMD距离大小衡量图像中手势之间的相似性。并提出了快速计算EMD距离的FC-EMD子算法。该算法使得EMD计算的时间复杂度从单纯形法的O(n3logn)下降到O(n2logn)。论文中详细介绍了FC-EMD算法步骤、伪代码及时间复杂度的分析证明。实验结果表明,本文提出的快速超像素手势识别算法FSP-EMD,在运行时间上优于经典算法F-EMD及SP-EMD。同时,在自建数据集上的手势识别平均准确度为98%。关键词:手势识别;Kinect;超像素;EMD度量IABSTRACTGest

8、urerecognitionreferstogesturesclassificationbycomputer,aimedatinteractingbetweenhumanandcomputerbygestures.Gestureisanaturalandintuitivemeansofhumancommunication.Ithasgreattheoreticalsignificanceandapplicablevalueto

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。