实例介绍
【实例简介】
本文对当今静态手势识别技术中的各种方法进行了详细的分析，并在此基础上，设计 并实现了一套可以进行实时识别的静态手势识别系统。本系统共分为四个模块：手势图像 捕捉、图像预处理、特征提取以及手势的分类识别。系统在运行的过程中首先由 USB 摄像 头捕获手势图像，再经过图像预处理得到手势的二值图像以及轮廓图像，针对这两幅图像 对手势进行特征提取，最后采用基于欧氏距离的模板匹配法进行识别。在系统的图像预处 理以及特征提取两个模块中，本文加入了 OpenCV（微软开源视觉库）函数库，在运行的 效率以及速度上都达到了良好的效果。在实际的系统测试中对本文定义的十个手势建立了 模板库，并且在固定手势采集距离以及非固定手势采集距离两种情况下对 681 个测试样本 进行了识别，平均识别率为 92.80%，达到了很好的识别效果。同时，符合高识别率以及实 时处理的设计准则。
【实例截图】
【核心代码】
4744302543321978129.rar
└── 基于手形特征的静态手势识别.kdh
0 directories, 1 file
本文对当今静态手势识别技术中的各种方法进行了详细的分析，并在此基础上，设计 并实现了一套可以进行实时识别的静态手势识别系统。本系统共分为四个模块：手势图像 捕捉、图像预处理、特征提取以及手势的分类识别。系统在运行的过程中首先由 USB 摄像 头捕获手势图像，再经过图像预处理得到手势的二值图像以及轮廓图像，针对这两幅图像 对手势进行特征提取，最后采用基于欧氏距离的模板匹配法进行识别。在系统的图像预处 理以及特征提取两个模块中，本文加入了 OpenCV（微软开源视觉库）函数库，在运行的 效率以及速度上都达到了良好的效果。在实际的系统测试中对本文定义的十个手势建立了 模板库，并且在固定手势采集距离以及非固定手势采集距离两种情况下对 681 个测试样本 进行了识别，平均识别率为 92.80%，达到了很好的识别效果。同时，符合高识别率以及实 时处理的设计准则。
【实例截图】
【核心代码】
4744302543321978129.rar
└── 基于手形特征的静态手势识别.kdh
0 directories, 1 file
标签：
好例子网口号：伸出你的我的手 — 分享！
小贴士
感谢您为本站写下的评论，您的评论对其它用户来说具有重要的参考价值，所以请认真填写。
- 类似“顶”、“沙发”之类没有营养的文字，对勤劳贡献的楼主来说是令人沮丧的反馈信息。
- 相信您也不想看到一排文字/表情墙，所以请不要反馈意义不大的重复字符，也请尽量不要纯表情的回复。
- 提问之前请再仔细看一遍楼主的说明，或许是您遗漏了。
- 请勿到处挖坑绊人、招贴广告。既占空间让人厌烦，又没人会搭理，于人于己都无利。
关于好例子网
本站旨在为广大IT学习爱好者提供一个非营利性互相学习交流分享平台。本站所有资源都可以被免费获取学习研究。本站资源来自网友分享，对搜索内容的合法性不具有预见性、识别性、控制性，仅供学习研究，请务必在下载后24小时内给予删除，不得用于其他任何用途，否则后果自负。基于互联网的特殊性，平台无法对用户传输的作品、信息、内容的权属或合法性、安全性、合规性、真实性、科学性、完整权、有效性等进行实质审查；无论平台是否已进行审查，用户均应自行承担因其传输的作品、信息、内容而可能或已经产生的侵权或权属纠纷等法律责任。本站所有资源不代表本站的观点或立场，基于网友分享，根据中国法律《信息网络传播权保护条例》第二十二与二十三条之规定，若资源存在侵权或相关问题请联系本站客服人员，点此联系我们。关于更多版权及免责申明参见 版权及免责申明
网友评论
我要评论