基于双目视觉的手势识别研究

搭建了一个便利有效地双目视觉系统,结合深度信息,精准地提取手势信息。采用模板标定法对双目相机进行标定,精确地获取了相机的参数,标定的像素误差为0.67个像素;在立体匹配阶段,利用BM算法快速准确地实现了左右相机图像的匹配,获得被测手势的视差;结合三角测距原理,从而生成较为稠密的深度图;最后将深度信息重新映射到原彩色图像上,实现三维重建,生成三维云图,根据云图信息双目视觉系统能有效地从复杂背景中分割手势,并换一种手势进一步验证了所搭建的双目视觉系统从复杂背景中分割手势的可行性。     

面向整枝机控制的手势识别技术研究

为了实现对自动立木整枝机的手势控制,需要完成手势识别和无线遥控两部分工作,因此开展了基于表面肌电信号的手势识别技术研究。首先根据整枝机6个工作状态的特点定义相对应的6个手势,即:握拳、上切、下切、外翻、内翻和展拳;然后对采集到的表面肌电信号进行预处理,包括消噪和活动段分割;再对表面肌电信号进行时域和时-频域分析,得到3类特征,即:平均绝对值、自回归参数模型系数和小波分解后的各子频段信号平均能量;最后,构建支持向量机分类器,通过V折交叉验证得到最佳参数,分别进行单用户和多用户的识别实验。手势识别实验结果表明:单用户识别的准确率最高达100.00%,平均准确率为98.07%,高于多用户识别(91.19%)。本研究为实现整枝机手势控制的后续工作奠定了基础,为推进林业机械的智能化与人机交互进程提供了一种有效的新思路。      

基于Kinect骨骼跟踪技术的手势识别研究

为了实现自然方便的人机交互,提高用户体验,尝试引入微软公司的一款体感周边外设Kinect设备,利用Kinect传感器所获取的人体骨骼跟踪识别点,通过对双手在三维空间中的位置坐标转换,对缩放、旋转的手势进行匹配,将合法的手势信息转换为识别结果,反馈给系统并完成相应的控制指令输出,实现与系统的交互控制.结果表明,该系统具有较高的精度和稳定性,具有一定的借鉴意义.     

基于视觉的手势识别技术及其应用研究

研究基于视觉的手势识别技术,并在OpenCV的平台基础上实现基于该技术的多媒体教学的应用,即在幻灯片播放的过程中能够由动态手势来控制幻灯片的翻页。首先通过摄像头来采集图像,利用背景差分法结合颜色直方图检测动态信息完成手势的检测。其次通过几种动态手势的跟踪算法的分析与比较,采用主流的非线性跟踪算法—粒子滤波算法。最后是应用实现部分,将手势识别的结果应用于多媒体演示文稿的播放中,实现通过动态手势实时控制PPT翻页的功能。     

基于深度迁移学习的钢琴演奏手势识别技术研究

应用传感器实现钢琴教学时,为随时获取钢琴演奏者的演奏手势是否规范,需要合理的钢琴演奏手势识别技术,为此提出基于深度迁移学习的钢琴演奏手势识别技术研究。采用IU-EKF算法实现钢琴演奏手势的定姿,获取演奏者的演奏手势姿态,将该演奏手势信息作为数据样本,利用MEMS惯性传感器采集钢琴演奏手势姿态数据,并通过状态空间模型做出手势姿态估计。以该模型为基础,利用多特征提取方法,获取手势特征,并对不同特征作出归一化处理,将处理后的结果输入到极限学习机(VGG-16)网络模型中,通过该模型的深度迁移学习与训练,实现钢琴演奏手势的识别。经实验验证：该方法能有效提取演奏者手背、手指下关节、手指上关节的各角度特征,且相较于其他方法该方法具有较高的识别精度,能够在不同的时间有效识别手指上、下关节俯仰角的变化情况。     

基于CNN和DCGAN的手势识别的研究

近年来,由于硬件的不断改善,深度学习在视觉识别等方向有了突破性的进展,具体表现为人机交互行为频繁地出现在日常中,尤其计算机视觉方面的飞速发展导致以人为本的人机交互技术必将取代以计算机为本的人机交互技术.手势识别的研究提供了一种与人类互动的新方式,它符合上述描述的趋势.传统的手势识别方法采用人力提取特征值,费时费力.因此...     

三维岩心的高自由度手势操控浏览方法研究

在大屏环境中,岩心的高自由度旋转观察具有重要意义,但传统鼠标方式不适合进行大屏幕环境中的三维自由操作,而基于普通摄像头的手势识别方法受光照、背景等的影响较大,缺乏实时性与鲁棒性。基于深度传感器Kinect,根据地质工作者在实际中操控三维岩心的需求,提出一种自适应Kalman滤波方法,以获取实时连续的手部深度数据,进一步识别出岩心操控手势,最终实现了具有高鲁棒性和高自由度的三维岩心操控浏览界面。研究表明,利用自适应Kalman滤波方法和多模型协同手势识别方法能够提高手势轨迹识别和三维岩心操控的准确性。     

基于SARM的管道声波信号降噪方法北大核心

天然气管道声波信号中的噪声容易干扰管道泄漏识别检测,因而提出了一种均值近似值移除方法(Small Approximations Removal by Means,SARM)去除声波信号中的噪声。SARM以低频小波重构系数为信号均值线,继承了小波分析(Wavelet Analysis,WA)良好的时频分辨特点,将信号均值线附近的小波动去除,使曲线光滑的同时又很好地保留信号突变特征,获得良好的降噪效果。实例分析表明:相比小波包(Wavelet Packet,WP)、WA及奇异值分解(Singular Value Decomposition,SVD)方法,SARM具有更好的降噪效果,为天然气管道的泄漏检测与定位提供了一定的技术支持。     

基于Deep Learning网络态势感知建模方法研究

网络组织和生长方式多变,现代网络呈拓扑结构复杂化、网络设备异构、信息交互频繁等特征,增加网络态势分析与决策难度,需加强对网络态势感知分析的研究,通过与BP神经网络比较进行深度学习网络态势研究,结果表明,深度学习较BP神经网络在网络态势感知方面有较大优越性.     

共振声波技术防治柑桔大实蝇的可行性试验研究

运用大型模拟仿真软件ANSYS计算出柑桔大实蝇的固有频率约为55 Hz,对比研究共振声波对柑桔大实蝇行为效应和寿命影响,探讨共振声波技术防治柑桔大实蝇的可行性.1)采用声强120 dB,频率分别为55、100、180和300 Hz的声波分别辐照30 min,记录柑桔大实蝇的行为反应.结果表明:经低频声波辐照,柑桔大实蝇会产生不适反应,如头部不停摇晃,双翅快速摆动,并伴有肢体不停摩擦头部和尾部,趋向于活动在声强低的区域等.共振声波辐照下,柑桔大实蝇具有显著的趋避反应,有效趋避率达36.48％.2)采用频率55 Hz,声强分别为120、110、100、90和80 dB的声波分别辐照30 min,记录柑桔大实蝇的行为反应.结果表明:声强越大,柑桔大实蝇的趋避反应越明显,但声强低于80 dB时,无显著趋避反应.3)采用频率55 Hz,声强为120 dB的声波每次辐照4h,连续辐照直到全部死亡为止,记录柑桔大实蝇的死亡情况.结果表明:高强度共振声波对柑桔大实蝇的寿命具有显著的影响,辐照5d后实验组全部死亡,与对照组比较,最终死亡率提升42.80％.     

基于非接触式的牛只身份识别研究进展与展望

快速精准确定牛个体身份对疾病防控、品种遗传改良、奶制品和肉制品质量溯源以及改善农业假保险索赔等方面具有重要意义。传统的牛个体识别使用诸如烙印、耳纹、耳标和无线射频识别等方法,易遭受设备损失/工作重复、标记欺诈、动物福利安全以及监测成本和距离等方面的挑战;而基于生物特征的非接触识别由于其独特性、不变性、低成本易操作以及动物福利高,成为牛身份识别的新趋势。主要介绍了几种基于非接触式的牛身份识别的研究进展,重点关注牛脸识别的最新成果,讨论当前牛脸识别在实际应用中面临的挑战,在此基础上对深度学习在牛脸身份识别研究中的应用进行了设计构思与展望。     

基于Deep Learning网络态势感知建模方法研究

网络组织和生长方式多变,现代网络呈拓扑结构复杂化、网络设备异构、信息交互频繁等特征,增加网络态势分析与决策难度,需加强对网络态势感知分析的研究,通过与BP神经网络比较进行深度学习网络态势研究,结果表明,深度学习较BP神经网络在网络态势感知方面有较大优越性。     

基于多特征融合的茶叶鲜叶等级识别的方法研究

茶叶鲜叶等级直接影响优质绿茶成品的等级,如果在鲜叶阶段就茶叶的芽叶数量进行等级识别,并将不同等级鲜叶分离出来,制作不同等级的绿茶成品,从一定程度上解决了优质绿茶鲜叶采摘环节的难题.提出基于茶叶形态、纹理和HOG特征的鲜叶分级方法,采集鲜叶样本图片,对样本图片进行预处理操作,再提取鲜叶形态和纹理特征等特征参数,建立机器学习模型支持向量机、随机森林和线性判别法K-最近邻对新鲜茶叶样本进行分类,得到各等级的茶叶识别结果.试验结果表明,单独使用一种特征分类效果不佳,也不符合茶叶本身的复杂性.将多种特征融合有更好的分类效果;3种算法中,随机森林算法有较高的优越性,准确率达97.06％.该研究提取的多特征参数和分类模型,为实际鲜叶的生产加工等级识别提供参考.     

基于机器学习的富硒茶评论文本消费者满意度感知研究

为探究农产品消费者在线评论数据对消费者满意度决策的重要影响,选取具有体验性的富硒茶作为研究对象,使用机器学习分类算法对富硒茶评论文本进行情感分类,使用TF-IDF和LDA模型进行文本特征词与主题可视化挖掘,识别消费者对富硒茶的满意度影响因素.研究发现,消费满意度主要体现在对产品的信任感知、营销感知、质量感知、物流服务和...     

基于图像处理方法的纸币清分系统的研究与实现

纸币自动清分可以有效提高银行的工作效率,基于图像处理技术的纸币自动清分系统的识别准确率对于纸币自动清分系统非常关键。基于机器视觉知识与模式识别的理论,并结合纸质人民币的图像特点,提出了纸质人民币序列号图像识别处理算法、“奖惩”机制下的线性传感算法和序列号区域特征提取方法。对纸币图像进行倾斜校正、局部特点提取、灰度增强和图像分块等处理后,将上述方法运用于采用CIS传感器的纸币图像处理系统中。实验证明,该方法具有较高的识别准确率,取得了理想的纸币自动清分效果。     

一种基于集成学习的苹果叶片病害检测方法

由于苹果树叶片病害图像背景复杂、病斑形态多样,苹果树叶片病害的检测一直是一项具有挑战性的任务。传统的苹果树叶片病害检测方法严重依赖于果农经验和特定领域的专家,步骤复杂且低效,并很容易导致病害的误判和漏判。为解决该问题,基于深度学习技术对苹果树叶片病害特征进行自适应学习和提取,提出一种基于集成学习的苹果树叶片病害检测方法。该算法基于不同的模型,在处理不同的数据集上呈现出各自的特性,充分利用了模型间的优势互补,使用非极大值抑制算法将YOLOv5和EfficientDet模型进行集成,进一步提高模型特征提取能力并且增强了模型的检测能力。结果表明,该方法在不增加延迟的情况下,能有效提高3种苹果树叶片病害的检测效果,平均精度可达73.4%,相比于单个YOLOv5和EfficientDet模型分别提高了3.0%、4.8%。集成后的算法具有更好的特征提取能力,可以提取到更多的病害特征信息,并且较好地平衡了模型的识别精度与模型复杂度,可为田间环境下苹果树叶片病害识别提供参考。     

基于PSO优选特征的实木板材缺陷的压缩感知分选方法

针对实木板材表面缺陷的复杂性与随机性,提出了一种快速、准确的识别方法。首先,对实木板材表面图像进行3级双树复小波分解,提取低频子带、高频子带、原图像的均值、标准差和熵,共40维特征向量;然后,运用粒子群算法(PSO)优选出20个关键特征;最后,采用压缩感知理论将优选后的特征向量作为样本矩阵列,构建训练样本数据字典,通过最小残差完成缺陷识别。对4类柞木样本进行了仿真实验,活结、死结、虫眼、裂纹的分类正确率分别为93.3%、86.7%、100%和93.3%,结果表明:双树复小波良好的方向性能够表达实木板材表面复杂的信息;基于粒子群算法的特征选择能够提高分类效率;压缩感知分类器与传统分类器相比,具有结构简单、分类精度高的特点。      

基于语音识别与单片机控制的智能玩具设计与实现

设计一款能够识别语音命令并进行简单语音对话的儿童交互式智能小车,可提高儿童智能玩具的乐趣,培养儿童的创造思维。本文从软、硬件设计方面具体阐述特定人语音识别在智能小车上的实现过程,并说明实验测试方法。实验表明：该系统对于小词汇量、特定人识别系统,具有很好的识别效果。     

基于可视化技术的国际智能感知前沿热点研究

智能感知技术,是《国家中长期科技发展规划纲要》中提出的需要优先发展的前沿技术领域之一。以此为研究对象,结合文献共被引分析和可视化技术将国际智能感知技术领域近年的研究热点形象、生动地展现出来。研究发现,智能感知的前沿主要表现在三个研究领域中：人类认知能力的研究展现出了从传统的心理研究逐渐向与生理研究和先进的设备相结合的研...     

基于AlexNet的茶叶嫩芽状态智能识别研究

为确定合理有效的茶叶嫩芽采摘时间,提出一种基于AlexNet卷积神经网络的茶叶嫩芽状态智能识别方法。首先,建立自然环境下全开面、半开面和未开面三种状态茶叶嫩芽图像集;然后,训练茶叶嫩芽状态AlexNet网络识别模型;最后,利用测试集样本进行模型检测,训练集和测试集中三种状态嫩芽平均识别率分别为97.8%和88%。实验结果表明,该方法能够有效地识别自然环境下茶叶嫩芽状态,为嫩芽智能采摘提供理论依据。