《基于加速度传感器的可扩展手势识别》PDF+DOC
作者:谢仁强,曹俊诚
单位:中国微米纳米技术学会;东南大学
出版:《传感技术学报》2016年第05期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFCGJS2016050060
DOC编号:DOCCGJS2016050069
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于加速度传感器的大手势集手势识别算法改进研究》PDF+DOC2013年第10期 王原,汤勇明,王保平
《基于手机加速度传感器的手势识别系统研究》PDF+DOC2016年第08期 王鹏,丁任之,何天翔,雷汝霖
《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
《基于动态时间规整的手势加速度信号识别》PDF+DOC2012年第01期 荆雷,马文君,常丹华
《一种基于加速度特征提取的手势识别方法》PDF+DOC2012年第08期 陈意,杨平,陈旭光
《基于机器学习的手势识别系统及其在移动终端上的应用》PDF+DOC2017年第08期 李养群,周梅
《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
《基于加速度的BP神经网络手势识别设计》PDF+DOC2016年第21期 贾维闯,宫进,吴雄华
《运动传感驱动的3D直观手势交互》PDF+DOC2010年第03期 梁秀波,张顺,李启雷,张翔,耿卫东
《基于加权DTW手势识别方法的研究与实现》PDF+DOC 薛俊杰,陈健美
为了提高基于加速度传感器的动态手势识别算法的性能,并且增强系统的可扩展性,提出了一种有效结合机器学习模型与模板匹配的方法。将手势分为基本手势和复杂手势两大类,其中复杂手势可分割为基本手势组成的序列;根据手势运动的特点提取有效的特征量,并利用基本手势样本训练随机森林模型,然后用其对基本手势序列进行分类预测;将预测结果进行约翰逊编码,再与标准模板序列进行相似度匹配。实验结果表明,该方法获得了99.75%的基本手势识别率以及100%的复杂手势识别率。算法既保证了手势识别的精度,也提高了系统的可扩展性。
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。