作者:张雨晨,甘俊英,余飞,曾军英 单位:五邑大学 出版:《五邑大学学报(自然科学版)》2018年第02期 页数:7页  (PDF与DOC格式可能不同) PDF编号:PDFWYDW2018020090 DOC编号:DOCWYDW2018020099 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于深度信息的动态手势识别综述》PDF+DOC2018年第12期 陈甜甜,姚璜,左明章,田元,杨梦婷 《基于Kinect传感器的静态手势识别与仿真》PDF+DOC2016年第29期 葛艳茹,张国伟,孙温和,卢秋红 《基于线性判别分析和自适应K近邻法的手势识别》PDF+DOC2017年第03期 温俊芹,王修晖 《基于双目深度图像的自动扶梯乘客危险行为识别与预警系统》PDF+DOC2020年第14期 欧阳惠卿,舒文华,李行,李杨 《基于加速度传感器的手势识别系统》PDF+DOC2018年第S2期 丁利琼,程鹏,潘泽云 《虚拟现实交互游戏中的手势识别》PDF+DOC2019年第20期 陈立,李颖昉,刘志远,王礼华,王艳柏 《基于DTW算法的肌电信号手势识别方法》PDF+DOC2018年第05期 谢小雨,刘喆颉 《基于HMM的手势识别研究》PDF+DOC2012年第05期 严焰,刘蓉,黄璐,陈婷 《基于Kinect传感器的近场手势识别追踪系统的实现》PDF+DOC2014年第13期 王博龙,房建成 《一种基于改进DTW算法的动态手势识别方法》PDF+DOC2013年第03期 何超,胡章芳,王艳
  • 本文提出了一种基于深度学习的应急手势识别算法.首先采用深度图像传感器做手势分割获取应急手势数据集,其次采用肤色分割算法和本文提出的应急手势识别算法做实时性测试.与常规算法不同的是,本文构建了一个应急手势数据库,并建立了深度卷积神经网络模型,提出了7种应用于多种场景的应急手势识别算法.实验结果表明,本文应急手势识别算法优于现有的机器学习算法,识别率达99.95%,可广泛应用于人机交互场景。

    提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。