典型文献
基于体感控制耦合深度相机的手势识别算法
文献摘要：
针对当前手势识别算法易受光线变化、复杂场景等干扰,从而导致手势识别准确性下降的问题,定义了一种体感控制与深度相机的手势识别算法.所提出的手势识别方法结合了体感控制(Leap Motion)传感器和Kinect深度传感器,可以有效提高手势识别精度与鲁棒性.通过体感控制传感器提取指尖与手的质心距离、指尖与手掌平面的高度、指尖与手掌中心的角度,以及指尖在手参照系统中的3D位置;通过Kinect深度传感器来提取手指样本与手部中心的距离、手部轮廓的局部曲率、手部形状的连通区域以及距离特征之间的相似性;为了结合两种不同传感器数据的互补信息,摒弃冗余,通过采集的指尖3D位置,找到旋转平移参数,以最小化所有采集帧中指尖点的平均投影误差来定义一种联合校准方法,确定体感控制传感器和Kinect深度传感器的外部参数,完成两种传感器坐标转换;采用支持向量机(SVM)进行分类学习,完成手势识别任务.实验表明:相对于已有的手势识别算法,所提算法不仅在Jochen.Triesch手势数据库中具有更高的平均识别率,约为97％,而且在不同光线、不同肤色和背景的复杂环境下,其同样具有更高的准确率与稳健性.
文献关键词：
手势识别;体感控制;深度相机;联合校准;质心距离;平均投影误差;传感器坐标转换;SVM
中图分类号：
作者姓名：
龚茜茹;俞惠芳
作者机构：
河南工业职业技术学院电子信息工程学院,河南南阳,473009;西安邮电大学网络空间安全学院,陕西西安,250104
文献出处：
引用格式：
[1]龚茜茹;俞惠芳-.基于体感控制耦合深度相机的手势识别算法)[J].光学技术,2022(03):341-349
A类：
平均投影误差,传感器坐标转换,Jochen,Triesch
B类：
体感控制,深度相机,手势识别,识别算法,光线变化,复杂场景,Leap,Motion,Kinect,深度传感器,高手,识别精度,指尖,质心距离,手掌,掌中,手参,参照系,手指,手部,曲率,连通区域,距离特征,传感器数据,摒弃,平移,尖点,联合校准,校准方法,分类学,识别率,肤色,复杂环境
AB值：
0.237765
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
