-
公开(公告)号：CN110956099B
公开(公告)日：2022-06-17
申请号：CN201911109920.6
申请日：2019-11-14
Applicant: 哈尔滨工程大学
IPC: G06V40/20 , G06V10/764 , G06K9/62
Abstract: 本发明公开了一种动态手势指令识别方法，包括以下步骤：制作5种基础样本类；进行HSV空间肤色分割，得到二值图，并调整大小；进行区域生长选出最大肤色区域；将HOG检测算法提取并保存图片像素梯度归一化后的特征信息作为样本进行训练；基于基础样本类，设计27种动态手势指令；结合CFDP的思想进行手势跟踪，对区域生长后的图像进行计算处理，得到手势质心和边缘；结合静态模型对每组手势指令进行相应的特征提取；每组指令得到一个61维的特征矩阵，经过对特征整合，再次利用SVM分类器进行分类，得出Model_2。本发明在实现了实时高效的手势指令识别的前提下，既结合了新的跟踪算法又避免了采用时间序列算法的繁琐。
-
公开(公告)号：CN110689057B
公开(公告)日：2022-07-15
申请号：CN201910855228.1
申请日：2019-09-11
Applicant: 哈尔滨工程大学
IPC: G06K9/62 , G06V10/774 , G06T7/11 , G06T7/62 , G06T7/90
Abstract: 本发明提供的是一种基于图像分割的降低神经网络训练样本量的方法。将单张图片分割为不同区域；按照区域发展的先后顺序，给区域进行编号并且记录区域面积；设置一个面积阈值，区域小于阈值的区域舍弃；将保留下来的区域像素进行颜色空间的转化，将像素点的RGB值转化为HIS值，将相邻区域颜色差异大的区域保留，颜色差异小的将区域面积过小的一方舍弃；提取各区域的形状特征，将轮廓较为突出或较为光滑的区域留下，其他的区域舍弃；遍历整张图片，将被舍弃的区域显示为白色，保留的区域按原图显示，得到新图；判断是否将所有图片全部处理完，处理完就将新数据集送入网络训练；否则跳回循环。本发明在提高效率的同时也保留甚至提高了准确率。
-
公开(公告)号：CN110956099A
公开(公告)日：2020-04-03
申请号：CN201911109920.6
申请日：2019-11-14
Applicant: 哈尔滨工程大学
Abstract: 本发明公开了一种动态手势指令识别方法，包括以下步骤：制作5种基础样本类；进行HSV空间肤色分割，得到二值图，并调整大小；进行区域生长选出最大肤色区域；将HOG检测算法提取并保存图片像素梯度归一化后的特征信息作为样本进行训练；基于基础样本类，设计27种动态手势指令；结合CFDP的思想进行手势跟踪，对区域生长后的图像进行计算处理，得到手势质心和边缘；结合静态模型对每组手势指令进行相应的特征提取；每组指令得到一个61维的特征矩阵，经过对特征整合，再次利用SVM分类器进行分类，得出Model_2。本发明在实现了实时高效的手势指令识别的前提下，既结合了新的跟踪算法又避免了采用时间序列算法的繁琐。
-
公开(公告)号：CN110689057A
公开(公告)日：2020-01-14
申请号：CN201910855228.1
申请日：2019-09-11
Applicant: 哈尔滨工程大学
Abstract: 本发明提供的是一种基于图像分割的降低神经网络训练样本量的方法。将单张图片分割为不同区域；按照区域发展的先后顺序，给区域进行编号并且记录区域面积；设置一个面积阈值，区域小于阈值的区域舍弃；将保留下来的区域像素进行颜色空间的转化，将像素点的RGB值转化为HIS值，将相邻区域颜色差异大的区域保留，颜色差异小的将区域面积过小的一方舍弃；提取各区域的形状特征，将轮廓较为突出或较为光滑的区域留下，其他的区域舍弃；遍历整张图片，将被舍弃的区域显示为白色，保留的区域按原图显示，得到新图；判断是否将所有图片全部处理完，处理完就将新数据集送入网络训练；否则跳回循环。本发明在提高效率的同时也保留甚至提高了准确率。
-
-
-
Search Results
4
records
(took 0.017 seconds)
