搜索
手势识别综述手势识别分类•静态手势识别（手形）•动态手势识别（手势）手势动作的特点：1）时间可变性：完成同一个手势所用时间不一致2）空间可变性：完成同一个手势的空间差异性3）完整可变性：缺少信息或出现重复信息基于机器视觉的手势识别优点：无需任何媒介，较高的识别精度，较好的交互效果缺点：设备复杂昂贵，用户活动范围受限，对外界环境依赖度高基于传感器的手势识别优点：价格低廉，较高的识别精度，克服了空间环境的限制缺点：需要中间媒介，影响交互效果，传感器自身缺陷新兴技术：基于WiFi路由器的手势识别通过分析环境中的WiFi信号变化来捕捉用户，而不需要你佩戴任何的外设或者是在家部署一堆摄像头手势识别技术手势识别流程手势识别手势输入特征提取手势分割、误差补偿、滤波、预处理手势分割、手势跟踪、分类、建模、训练、匹配基于模板匹配1)直接匹配法：利用输入手势与训练好的标准模板的相似度优点：原理简单，易于添加或改进模板；缺点：无法解决手势的时间可变性，识别精度低；2)动态时间规整(DTW):把输入手势时间轴非线性地映射到模板事件轴，再进行模板匹配优点：消除时间可变性，操作简单；缺点：时间规整过程引入误差，降低识别精度；基于概率统计隐性马尔科夫模型（HMM）模型：训练时每一种手势对应一个HMMmodel,识别时取概率最大的一个HMM即可优点：尤其适用于时间序列的建模，对复杂度高的动作也具有较高的识别精度，易于添加或修改手势库；缺点：训练强度大基于数据分类神经网络(NN)模型：基于某种学习准则循环进行学习，使得下次犯错误的概率最低优点：自适应的学习方法，容错能力强，不易受噪声干扰；缺点：计算量大，费时，对于动态手势识别效果远不如静态的。手势识别算法基于MEMS传感器的手势识别（方案设计）手势识别手势输入特征提取设置阀值：判断手势起始点误差补偿、滤波、归一化预处理根据加速度和角速度进行手势分类、训练：为每一种手势建立HMM模型、识别：对每一种HMM模型进行评估，