【摘 要】
：
单手静态词是中国手语词汇库的一个重要组成部分,该类词主要借助于单手的固定姿态和手同身体之间的相对位置关系进行表达。结合单手静态词的特点,提出了一种基于D-S证据理论的中国手语单手静态词汇识别方法:利用数据手套CAS_Glove获取手姿信息,借助于视觉和肘部弯曲传感器融合确定出手在人体空间中的相对位置;在对单手词进行模糊特征空间划分的基础上,利用D-S证据理论实现了多种特征匹配结果的融合。为减少计算
论文部分内容阅读
单手静态词是中国手语词汇库的一个重要组成部分,该类词主要借助于单手的固定姿态和手同身体之间的相对位置关系进行表达。结合单手静态词的特点,提出了一种基于D-S证据理论的中国手语单手静态词汇识别方法:利用数据手套CAS_Glove获取手姿信息,借助于视觉和肘部弯曲传感器融合确定出手在人体空间中的相对位置;在对单手词进行模糊特征空间划分的基础上,利用D-S证据理论实现了多种特征匹配结果的融合。为减少计算复杂度,增强系统实时性,对Dempster规则在特定条件下进行了简化,并从理论的角度对其进行了证明。最后
其他文献
提出了一种应用于智能交通监控系统的运动目标识别和跟踪方法。针对帧间差分提取运动目标的缺陷与不足,提出了一种基于二进小波变换的运动目标识别算法,即直接在二进小波变换域提取运动区域,从而检测出运动目标。对于检测出来的运动目标,对mean-shift跟踪算法进行了改进,采用以Mexico小波核函数自适应mean-shift算法对目标进行跟踪。实验结果表明,提出的算法可以有效地提取运动目标,即使目标与背景
提出基于旋转角度的方法仿真跑步运动。跑步时人体四肢和躯干都在绕关节做重复旋转运动,基于旋转角度的跑步模型根据各关节的旋转角度计算人体运动时不同部位的位置,进而求解跑步运动行为。根据该模型提出一种跑步运动仿真方法/程序,该方法可以用于跑步运动仿真和提供建模所需的人体部位的位置数据,因而可缩短建模周期。用一个慢跑仿真案例示例了该方法的仿真过程。
空间颜色混合高斯模型(SMOG)是一种优于经典颜色直方图的目标颜色表示模型。然而,SMOG模型初始化时不可避免的会引入背景象素,且极有可能被误选为一个有效的目标分布,严重影响后续的相似性度量,且各目标分布鉴别性能的发挥会受到自身权重的严重制约,当背景中出现与目标颜色相似的干扰物体时,算法的跟踪准确性仍会有所降低。针对这些不足,提出了一种改进的SMOG模型,通过衡量背景与目标分布在空间颜色域上的联合
Fisher鉴别分析被公认为是特征抽取的有效方法之一,但由于其只能抽取线性特征,而对于实际应用中复杂的样本图像分布,抽取非线性鉴别特征显得十分必要。先前的基于核Fisher鉴别分析算法虽然解决了非线性特征抽取问题,但是其存在最终特征维数受类别数限制的问题。为了能够进一步提高特征提取效率,提出了一种基于核的Fisher极小鉴别分析方法,该方法使得最终特征维数不受类别数限制。在Yale和NUST603
提出一种应用基于CANNY算子的level-set分割方法,三维分割肺部血管。首先根据肺部解剖结构确定肺部血管不同部位的阈值范围进行对血管初始分割,然后再应用高斯过滤异布扩散对初始血管分割的结果进行平滑去噪和CANNY算子检测出初始图像真正的边缘,最后应用level-set细分初始血管分割的结果,解决由于边界模糊产生肺部血管分割不准确的问题。并提出并描述基于Level-set肺部血管树枝杈点的判定
提出了一种稳健的空中目标跟踪方法。该方法基于MAD构造了一种新的梯度特征相似度量算法,在梯度特征空间对目标进行匹配定位。为适应跟踪过程中目标的大小变化,利用自适应调整模板尺寸的方法在跟踪过程中调整目标模板大小,增强了对具有强机动特点的空中目标跟踪的稳定性。仿真结果表明,跟踪算法能够适应飞机在短期跟踪过程中由机动动作产生的快速形变,以及由形变带来的目标自身灰度上的剧烈变化和在长期跟踪过程中的大小变化
在研究了ChunkLod算法的基础上,针对该技术所缺乏当视点离地面非常近时的增强方案这一问题,以块状的模型为处理单位,提出了ChunkLod的过程化细节度增强算法。同时结合局部三角面化简算法和误差评估与控制算法提高绘制效率,避免了因细节度过高引起的海量计算。最后,以地理资源信息管理系统为例,说明了该算法在实际运行中使地形信息达到了预期的视觉效果。实验表明,改进后的ChunkLod过程化细节度增强算
在车牌识别系统中,为提高字符分割和识别的效果,需要对定位后的车牌图像进行倾斜校正。提出了一种基于边缘点投影方差最小的车牌倾斜校正方法。首先将旋转后车牌图像的垂直边缘向水平方向投影;然后导出边缘点投影方差最小时旋转角度的闭合表达式,由此一步确定车牌的倾斜角度;最后通过双线性插值方法校正车牌。给出了实验结果,并与车牌倾斜校正的Hough变换法、旋转投影法和主成分分析法进行了精确度、算法复杂度及运算时间
虚拟内窥镜是医学图像可视化与虚拟现实相结合的产物。为了缩短诊断时间,虚拟内窥镜需要提供一种自动导航方式来加快器官的浏览,通过分析已有细化算法提出一种快速的导航路径提取方法。该方法首先利用一种快速模板测试方法来生成26-邻域编码的查找表,然后根据此查找表快速地查询边界体素的删除标志,从而将复杂耗时的模板测试过程转换成简单快速的查询。提取的骨架经裁剪、平滑后可以用于虚拟摄像机的自动飞行引导。实验结果表
等距特征映射(Isomap)是一种新颖、高效的非线性降维技术,它的一个突出优点是只有两个参数需要设定,即邻域参数和嵌入维数。我们提出了一种新的估计Isomap的最优嵌入维数的算法,该算法使用执行Isomap过程本身所产生的数据来估计流形的最优嵌入维数,同时能确定邻域参数的最优值。通过与常用的残差估计方法的实例对比,说明这种算法对人造数据集和真实数据集都很有效,而且能更加合理、更加客观地估计出流形的