基于视觉的实时手势识别及其在演示控制中的应用
手势识别技术综述
手势识别技术综述 作者单位：河北工业大学计算机科学与软件学院 内容摘要： 手势识别是属于计算机科学与语言学的一个将人类手势通过数学算法针对人们所要表达的意思进行分析、判断并整合的交互技术。一般来说，手势识别技术并非针对单纯的手势，还可以对其他肢体动作进行识别，比如头部、胳臂等。
但是这其中手势占大多数。本文通过对手势识别的发展过程、使用工具、目的与市场等进行综述，梳理出手势识别发展的思路，让读者对手势识别有一个总体上的认识，同时也可以让读者在此基础上进行合理想象，对手势识别的未来有一个大体印象。 Abstract: Gesture recognition is an interactive technology using mathematical arithmetic to the analysis,judge and assembly meaning that people want to convey which belongs to computer science and Linguistics.In general, gesture recognition technology is not for simple gestures expressed by hands ,it can also aim to other body movement recognition, such as the head, arm and so on. But the gesture accounted for most of the analysis. In this paper, by describing the development process, tools used , objective and market of gesture recognition , we can sort out the ideas of the development of gesture recognition, and let readers have an overall understanding of gesture recognition. At the same time, it can let the reader imagine that on hand gesture recognition based on reason ,and have a general impression of its future. 1.定义 说到手势识别，首先要对手势识别中的手势有一个清晰的认知。手势在不同的学科中有不同含义，而在交互设计方面，手势与依赖鼠标、键盘等进行操控的区别是显而易见的，那就是手势是人们更乐意接受的、舒适而受交互设备限制小的方式，而且手势可供挖掘的信息远比依赖键盘鼠标的交互模式多。在学术界，人们试图对手势定义一个抽象、明确而简洁的概念以为手势及其应用的研究提供依据。1990年Eric Hulteen和Gord Kurtenbach曾发表的题为“Gestures in Human-Computer Communication”中定义：“手势为身体运动的一部分，它包括一部分信息，而且是一种能被观察到的有意义的运动。挥手道别是一种手势，而敲击键盘不是一种手势，因为手指的运动没有被观察，也不重要，它只表示键盘
三种简单手势识别
简单手势识别
一、背景 随着计算机的发展，人机交互技术由传统的鼠标键盘时代发展到了以语音输入、动作识别等技术为代表的自然交互时代n1。特别是视觉计算技术的发展，使计算机获得了初步视觉感知的能力，能“看懂”用户的动作。手势识别作为一种直观自然的输入方式，把人们从传统接触性的输入装置中解放出来，可以以一种更自然的方式与计算机交互，使计算机界面变得更加易‘引。 手势主要分为静态手势和动态手势两种，动态手势可以看作是连续的静态手势序列。动态手势具有丰富和直观的表达能力，与静态手势结合在一起，能创造出更丰富的语义。利用动态手势识别构建新型的交互界面，是新一代的人机交互界面对输入方式自然性的要求，可以弥补传统交互方式的不足。基于视觉和手势识别研究正处于蓬勃发展的阶段，仍存着的许多值得研究的问题。研究基于视觉的动态手势识别对于构建更加好友的人机交互界面很有意义。
二、手势识别概述 2.1、手势识别的概念 手势是姿势的一个子集，姿势这个概念没有精确的定义。一般认为，手势概念经过人的手转化为的手势动作，观察者看到的是手势动作的图像。手势的产生过程如图2-1所示。 图2-1 手势的产生过程 手势识别的过程则找一个从图像V到概念动作G的变换而，如图2-2所示。
2.2、手势识别流程 随着计算机的发展，人机交互技术由传统的鼠标键盘时代发展到了以语音输入、动作识别等技术为代表的自然交互时代n1。特别是视觉计算技术的发展，使计算机获得了初步视觉感知的能力，能“看懂”用户的动作。手势识别作为一种直观自然的输入方式，把人们从传统接触性的输入装置中解放出来，可以以一种更自然的方式与计算机交互，使计算机界面变得更加容易。 手势主要分为静态手势和动态手势两种，动态手势可以看作是连续的静态手势序列。动态手势具有丰富和直观的表达能力，与静态手势结合在一起，能创造出更丰富的语义。利用动态手势识别构建新型的交互界面，是新一代的人机交互界面对输入方式自然性的要求，可以弥补传统交互方式的不足。基于视觉和手势识别研究正处于蓬勃发展的阶段，仍存着的许多值得研究的问题。研究基于视觉的动态手势识别对于构建更加好友的人机交互界面很有意义。
基于3D 体感技术的动态手势识别
第27卷第4期2012年8月 光电技术应用 ELECTRO-OPTIC TECHNOLOGY APPLICATION Vol.27，No.4August ，2012 随着机器智能领域的迅猛发展，手作为人身体上最灵活的一个部位及人机交互的一个媒介，得到越来越多的应用。因此基于手势识别的各种应用也是层出不穷。手势是一种自然而直观的人际交流模式。手势识别也理所当然地成为了实现新一代人机交互不可缺少的一项关键技术。然而,由于手势本身具有的多样性（包括肤色、形态的差异性）、多义性（不同手势具有不同的意义）、以及时间和空间上的差异性（会受到光照等因素的影响）等特点,加之人手是复杂变形体及视觉本身的不适定性,因此基于视觉的手势识别是一个极富挑战性并具有很大应用空间的研究方向[1] 。 1手势识别技术的发展 手势识别分为两种，一种是静态的手势识别，即在 摄像头下检测到某个手势时就给出命令。另一种是动态手势识别，即能够识别手做的一些动作。随着3D 体感技术的出现，手势识别进入一个全新的领域。1.1静态手势识别 静态手势识别的常用方法主要有：基于模版匹配的，用边缘特征像素点作为识别特征，并利用Hausdorff 距离模板匹配完成静态手势识别[2]；基于SVM 支持向量机,通过皮肤颜色模型进行手势分割， 并用傅里叶描述子描述轮廓，采用针对小样本特别有效且范化误差有界的最小二乘支持向量机（LS －SVM ）作为分类器进行手势识别[3]以及集合模版匹配和机器学习理论的手势识别方法[4]等。但由于静态手势识别技术应用的局限性较大，不够灵活，使用人数在减少。 收稿日期：2012-06-24 作者简介：淦创（1990-），男，辽宁锦州人，大学本科，研究方向为计算机图像处理. ·信号与信息处理· 基于3D 体感技术的动态手势识别 淦 创 （北京航空航天大学，北京100191） 摘要：提出了一种基于3D 体感机Kinect 的图像处理手势识别算法，通过深度图像和骨骼图像的方法实现动态手势识别。首先在Kinect 提供的骨骼图像中20个骨点中，选取2个离手部最近的骨骼点，通过追踪这两个骨骼点的位置来实现对手部的追踪，再通过判断手部的深度（即其相对于摄像头的距离）的变化来实现动态手势识别。 关键词：深度图像；骨骼图像；手部追踪；动态手势识别中图分类号：TN94 文献标识码：A 文章编号：1673-1255（2012）04-0055-04 Dynamic Gesture Recognition Based on 3D Kinect GAN Chuang （Beijing University of aeronautics and astronautics,Beijing 100191,China ） Abstract ：A kind of gesture recognition algorithm of image processing based on 3D Kinect is proposed.The dynamic gesture recognition algorithm is performed by skeleton images and depth images.At first,two skeleton points which are nearest to hands are choosen from 20skeleton points in a skeleton image.The process of tracking hands is performed by tracking the positions of the two skeleton points.Then the dynamic gesture recognition pro?cess is realized by the change of depths of hands (the distance between a hand and a camera). Key words :depth image;skeleton image;hands tracking;dynamic gesture recognition
基于手势识别的智能电视交互专利技术综述
基于手势识别的智能电视交互专利技术综述 智能电视具有操作系统，支持第三方应用资源实现功能扩展，支持多网络接入功能，具备人机交互、与其他智能设备进行交互等。随着计算机视觉的发展和人机交互的需要，手势识别研究取得了蓬勃的发展，通过手势识别对智能电视进行控制和操作，能够更轻松、高效地使用电视设备。文章利用专利数据库对智能电视手势识别技术进行了数据统计和分析，对该领域的专利申请趋势等情况做了归纳总结。 标签：智能电视；手势识别；发展状况；专利 Abstract：Intelligent TV has the operating system，which supports the third party application resources to realize the function expansion，supports the multi-network access function，has the man-machine interaction，and carries on the interaction with other intelligent devices. With the development of computer vision and the need of human-computer interaction，the research of gesture recognition has made great progress. By controlling and operating intelligent TV through gesture recognition，one can more easily and more efficiently use TV equipment. This paper makes use of patent database to analyze the data of intelligent TV gesture recognition technology，and summarizes the trend of patent application in this field. Keywords：intelligent TV；gesture recognition；development status；patent 引言 电视是家庭娱乐休闲必不可少的家用电器。如今，电视依然是最为普及的信息传播载体，用户在观看普通节目的同时，还可以上网、娱乐等。从用户的角度出发，通过自然简单、人性化的方式完成交互，无疑是用户完成电视操作的最佳方式。而手势具有直观、自然、丰富的特点，是一种符合人们日常习惯的交互手段，是表達信息和特定意图的良好载体，由于手势具有上述特性，因此在对智能电视进行操控中得到了良好的运用，实现了对智能电视自然灵活地操作。 1 基于手势识别的智能电视控制技术发展状态分析 1.1 技术分解 本文通过检索获得的专利申请进行统计分析，对基于手势识别的智能电视控制所涉及的具体技术和应用领域进行分解。 根据手势采集设备可以将手势识别系统大致分为基于数据手套和基于视觉的两种手势识别系统。其中，数据手套通过多个传感器反馈各关节的数据，并通过位置跟踪器返回人手所在的三维坐标，从而获取手势在三维空间中的位置信息和手指的运动信息。通过数据手套可以直接获取人手在三维空间中的位置和运动
基于Android的视觉手势识别毕业论文
基于Android的视觉手势识别 --相册管理实现
毕业设计（论文）原创性声明和使用授权说明 原创性声明 本人郑重承诺：所呈交的毕业设计（论文），是我个人在指导教师的指导下进行的研究工作及取得的成果。尽我所知，除文中特别加以标注和致谢的地方外，不包含其他人或组织已经发表或公布过的研究成果，也不包含我为获得及其它教育机构的学位或学历而使用过的材料。对本研究提供过帮助和做出过贡献的个人或集体，均已在文中作了明确的说明并表示了谢意。 作者签名：日期： 指导教师签名：日期： 使用授权说明 本人完全了解大学关于收集、保存、使用毕业设计（论文）的规定，即：按照学校要求提交毕业设计（论文）的印刷本和电子版本；学校有权保存毕业设计（论文）的印刷本和电子版，并提供目录检索与阅览服务；学校可以采用影印、缩印、数字化或其它复制手段保存论文；在不以赢利为目的前提下，学校可以公布论文的部分或全部内容。 作者签名：日期：
学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：日期：年月日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人授权大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 涉密论文按学校规定处理。 作者签名：日期：年月日 导师签名：日期：年月日
视觉识别系统(VI手册)
. . 视觉识别系统（手册）设计项目明细表 一．基础设计系统 ：标志设计 □标志及标志创意说明 □标志墨稿 □标志反白效果图 □标志标准化制图 □标志方格坐标制图 □标志预留空间与最小比例限定□标志特定色彩效果展示 ：标准字体 □全称中文字体 □简称中文字体 □全称中文字体方格坐标制图 □简称中文字体方格坐标制图 □全称英文字体 □简称英文字体 □全称英文字体方格坐标制图 □简称英文字体方格坐标制图 ：标准色（色彩计划） □标准色（印刷色） □辅助色系列 □下属产业色彩识别 □背景色使用规定 □色彩搭配组合专用表 □背景色色度、色相 ：造型（吉祥物） □吉祥物彩色稿及造型说明 □吉祥物立体效果图 □吉祥物基本动态造型 □吉祥物造型单色印刷规范 □吉祥物展开使用规范 ：象征图形 □象征图形彩色稿（单图形） □象征图形延展效果稿 □象征图形使用规范 □象征图形组合规范
. ：专用印刷字体 □专用印刷字体 ：基本要素组合规范 □标志与标准字组合多种模式 □标志与象征图形组合多种模式 □标志吉祥物组合多种模式 □标志与标准字、象征图形、吉祥物组合多种模式 □基本要素禁止组合多种模式 二．应用设计系统 ：办公事物用品设计 □高级主管名片 □中级主管名片 □员工名片 □信封 □国内信封 □国际信封 □大信封 □信纸 □国内信纸 □国际信纸 □特种信纸 □便笺 □传真纸 □票据夹 □合同夹 □合同书规范格式 □档案盒 □薪资袋 □识别卡（工作证） □临时工作证 □出入证 □工作记事簿 □文件夹 □文件袋 □档案袋 □卷宗纸 □公函信纸 □备忘录 □简报 □签呈 .
. . □文件题头 □直式、横式表格规范 □电话记录 □办公文具 □聘书 □岗位聘用书 □奖状 □公告 □维修网点名址封面及内页版式 □产品说明书封面及内页版式 □考勤卡 □请假单 □名片盒 □名片台 □办公桌标识牌 □及时贴标签 □意见箱 □稿件箱 □企业徽章 □纸杯 □茶杯、杯垫 □办公用笔、笔架 □笔记本 □记事本 □公文包 □通讯录 □财产编号牌 □培训证书 □国旗、企业旗、吉祥物旗旗座造型□挂旗 □吊旗 □竖旗 □桌旗 ：公共关系赠品设计□贺卡 □专用请柬 □邀请函及信封 □手提袋 □包装纸 □钥匙牌 □鼠标垫 □挂历版式规范 □台历版式规范 □日历卡版式规范 □明信片版式规范
基于摄像头的手势识别技术初步版本
基于摄像头的手势识别技术 1、手势识别的概念 手势是姿势的一个子集，姿势这个概念没有精确的定义。一般认为，手势概念经过人的于转化为的于势动作，观察者看到的是于势动作的图像雎1。手势的产生过程如图1-1所示。 图1-1 手势识别的过程则找一个从图像V到概念动作G的变换而，如图下所示。 2、手势识别流程 手势识别流程包手势图像获取、手势分割、手势特征提取、手势识别四大部分，如图2-1所示。 图2-1
3. 手势建模 在手势识别框架中，手势模型是一个最基本的部分。根据不同的应用背景，于势识别采用的模型会有不同，而对于不同的手势模型，采用的手势检测与跟踪算法、特征提取、识别技术也会有差别。手势建模主要分为基于表观的手势模型与基于三维的于势模型。 基于表观的手势建模是一种二维建模，从二维平面观察得到的平面图像信息描述于的特征。 基于表观的手势模型主要包括基于颜色的模型与基于轮廓的模型两种。 基于颜色的手势模型是把手势图像看作像素颜色的集合，通过提取手部的颜色的特征来描述手势。 基于颜色的手势模型的常用特征是颜色直方图。基于轮廓的手势模型是把手看作一个轮廓，通过提取手部图像中手的轮廓的几何特征来描述手势。 4. 手势检测与跟踪 手势检测与跟踪是手势识别处理流程中最前端的处理部分，它处理从摄像头获取到手势图像(序列)，从中检测和分割手势对象。如果是动态手势识别，还要对手进行跟踪。 基于运动信息的方法： 基于运动信息的方法是假设在视频中只有手是运动物体。 其中一种方法是背景减法。 它要求背景静止不变，把视频中的每帧与背景相减，背景相同的部分变为零，不同的部分就认为是运动的物体，即手。
关于计算机视觉的手势识别综述
关于计算机视觉的手势识别综述 蒋指挥 （江苏科技大学江苏镇江 213022） 摘要：计算机技术的高速发展也产生了许多新领域，在此对以计算机视觉为基础的手势检测识别技术展开综述。主要阐述该技术的发展历程、实现方法、研究现状以及其存在的不足之处和发展方向。结果表明简单的可穿戴设备的手势识别和深度视觉传感器的手势识别和多方法交叉融合的手势识别是未来该领域的发展方向。 关键词：计算机视觉；手势识别；人机交互 A survey of gesture recognition in computer vision//Jiang Zhi Hui Abstract;With the rapid development of computer technology, a lot of new fields have been developed. In this paper, the technology of gesture detection and recognition based on computer vision is reviewed. This paper describes the development of the technology, the realization method, the research status and its shortcomings and development direction. The results show that the simple wearable device for hand gesture recognition and depth vision sensor for hand gesture recognition and multi method cross fusion for gesture recognition is the future direction of the development of the field. Key words:Computer vision; gesture recognition; human-computer interaction 计算机在我们的生活中越来越不可或缺，我们同时也对计算机提出了更高的要求，计算机视觉的手势识别正是对计算机应用拓展的重要途径，例如现在的VR技术，就是应用了手势识别才实现的。ABIResearch公司高级分析师约书亚·弗拉德（JoshuaFlood）指出：“免提操作或手势识别很快将成为高端旗舰智能手机、媒体平板电脑和智能眼镜区别于其他同类产品的一个关键因素。三星电子最新推出银河S4已经将这项技术用于其手机中，并以其全新的用户体验获得用户交口称赞。此外，在一系列新型智能眼镜产品即将发布之时，不难想象这类技术将被采用。”其实手势识别技术涵盖了许多领域，比如物理学、生物学等，实现手势识别的方式有很多种从一开始的二维手型识别、二维手势识别到后来的三维手势识别，正是计算机视觉技术的发展使得手势识别的实现方式更加多样。但目前的技术仍然很繁琐，冗杂的可穿戴设备就直接影响了使用者的舒适感，其还有很大的发展空间。 1、手势识别的发展历程及其实现方法
VI标识视觉识别系统概念及内容
VI标识视觉识别系统概念及内容 一、目的： 企业可以通过VI设计实现这一目的。对内征得员工的认同感，归属感，加强企业凝聚力，对外树立企业的整体形象，资源整合，有控制的将企业的信息传达给受众，通过视觉符码，不断的强化受众的意识，从而获得认同。 VI标识视觉识别系统是公司对外形象的重要组成部分，为了使内蒙古红太阳食品有限公司的VI张贴整齐划一，达到视觉识别效果，使公司整体形象达到最佳状态。 二、概念： VI即（Visual Identity），通译为视觉识别，是CIS系统中最具传播力和感染力的层面。人们所感知的外部信息，有83%是通过视觉通道到达人们心智的。也就是说，视觉是人们接受外部信息的最重要和最主要的通道。企业形象的视觉识别，即是将CI的非可视内容转化为静态的视觉识别符号，以无比丰富的多样的应用形式，在最为广泛的层面上，进行最直接的传播。VI一般包括基础部分和应用部分两大内容。其中，基础部分一般包括：企业的名称、标志、标识、标准字体、标准色、辅助图形、标准印刷字体、禁用规则等等；而应用部分则一般包括：标牌旗帜、办公用品、公关用品、环境设计、办公服装、专用车辆等等。 VI视觉识别设计将企业品牌所有的视觉项目予以统一规划，使品牌具有统一的视觉识别系统，是消费者对品牌有感官的识识。企业识别中，视觉识别是最直接、最具体的，很快能让消费者接受与吸收，达到识别、认识目的。 三、VI设计的主要内容: 1、办公事物用品设计： 名片、信封、信纸、便笺、传真纸、票据夹、合同夹、合同书规范格式、档案盒、薪资袋、识别卡（工作证）、临时工作证、出入证、工作记事簿、文件夹、文件袋、档案袋、卷宗纸、公函信纸、备忘录、简报、签呈、文件题头、直式、横式表格规范、电话记录、办公文具、聘书、岗位聘用书、奖状、公告、产品说明书封面及内页版式、考勤卡、请假单、名片盒、名片台、办公桌标识牌、及时贴标签、意见箱、稿件箱、企业徽章、纸杯、茶杯、杯垫、
2019年全球主要手势识别技术系统细分行业分析
2019年全球主要手势识别技术系统细分行业分析 1、以数据手套为输入设备的手势识别系统 目前使用广泛的人机交互设备是数据手套（DataGlove）。数据手套反馈各关节的数据，并经一个位置跟踪器返回人手所在的三维坐标，从而来测量手势在三维空间中的位置信息和手指等关节的运动信息。这种系统可以直接获得人手在3D空间中的坐标和手指运动的参数，数据的精确度高，可识别的手势多且辨识率高。缺点是数据手套和位置跟踪器价格昂贵，有时也会给用户带来不便，如持戴的手部出汗等。 由于神经网络很适合用快速、交互的方式进行训练，可用于静态手势和动态手势的输入，网络连接的权值也可以根据情况调整，各种用户都能适应手势识别系统。它的缺点是对设备的依赖性高，一旦需更换数据手套，则须重新训练网络。 2、以摄像机为输入设备的手势识别系统 输入设备可用单个或多个摄像头或摄像机来采集手势信息，经计算机系统分析获取的图像来识别手势。摄像头或摄像机的价格相对较低，但计算过程较复杂，其识别率和实时性均较差。其优点是学习和使用简单灵活，不干扰用户，是更自然和直接的人与计算机的交互方式。 目前较成功的实现手势识别的系统，均为依据手掌轮廓区域的几何特征，如手的重心及轮廓、手指的方向和形状等进行分析完成识别，或根据手掌的其他特征，如手掌的运动轨迹、手掌的肤色及纹理等进行分析识别。 手势模型的选取在手势识别系统中，对确定识别范围起着关键性作用。模型的选取往往跟具体应用有关， 不同的应用目的选取不同的模型。比如，对于某个给定的目的，可以先建立简单粗糙的模型，而后再跟据需要建立精细有效的手势模型，这对于实现自然的人机交互是必须的，可使绝大部分手势都能被系统正确的识别出来。 目前，手势模型有基于表观的手势模型和基于3D模型的手势模型。前者通过分析手势在图像（序列）里的表观特征给手势建模，它是建立在手（臂）图像的表观之上的。后者的建模方法则略有不同，其先对手和臂的运动姿态建模，然后再估计手势模型参数。 图表1：同一手势的5种模型图 资料来源：蒂华森咨询
基于手势识别的人机交互综述
基于手势识别的人机交互综述 摘要：近年来，得益于虚拟现实、人机界面技术、计算机视觉等领域的发展，基于手势识别的人机交互技术得到大力的推动。本文就基于手势识别的人机交互技术展开综述。首先概括手势交互的涉及领域，回顾其发展史和国内外研究现状。接着阐明它的基本界定和分类，并在此基础上分析其热点关键技术。然后实例讨论了几种类型手势交互的典型应用。最后给出了结论。 关键词：虚拟现实；手势交互；计算机视觉；手势识别；特征跟踪 1．引言 人机交互技术通过输入、输出设备，以有效的方式实现交互主体与交互客体的对话。当前的人机交互技术已经从过去交互主体适应交互客体，发展为交互客体不断地适应交互主体的习惯和以交互主体为中心的新阶段[1,2,3,4]。以用户为中心的，新型、自然的人机交互技术逐渐成为开发者和科研工作者的关注重点。这类交互方式要求输入与输出能够最大限度地符合交互主体的行为习惯，并能够在交互主体的脑中顺利构建交互环路。由于手势具有极强的信息表述功能，加之人手操作行为本身就是人与世界相互作用的主要方式，因此，基于手识别的人机交互技术相关研究有着重要的理论价值和应用价值。基于手势识别的人机交互技术涉及计算机科学、认知心理学、行为学等诸多方面的知识。本文不能面面俱到，仅就手势交互的基本问题：手势语义的分类，以及当前发展概况、研究热点技术和典型系统应用等相关问题进行综述。 2．研究现状 目前，基于视觉的手势交互已被广泛的研究，由于手势本身的多义性及时空差异性，加之手形变的高维度及视觉问题本身的不适定性，基于视觉的手势识别一直是一项极富挑战性的究课题[5]。需要解决的核心问题是对手形的识别，对手势的跟踪等。传统的方法主要分为两大类：（1）基于模型（model-base）的方法；（2）基于表征(appearance-based)的方法[6]。这些方法及其衍生算法极大程度地依赖于计算机科学中虚拟现实、机器视觉、模式识别、人机交互等多个领域的交流与合作。相关的国际会议：CHI、ICCV、CVPR、ICAT、IEEE VR 为研究者提供了一个能充分交流的空间，并吸引了越来越多的研究人员共同参与合作。此外，学科之间的交流也吸引了心理学研究人员的共同参与。他们以从用户为中心出发，为基于手势交互研究和开发提出了宝贵意见[7]。纵观手势交互的发展历程，其研究重点也从早期简单的系统框架、低层特征提取[8]、手形模板匹配[8]等问题转变到关节式物体跟踪[9,10, 11]、跟踪性能评价[12]、操作型手势解析[14]等问题上。我国在基于手势识别的人机交互领域的研究近年来得到了长足的发展。研究机构集中在国内的研究所和高校的科研单位。目前国内手势交互的研究成果主要有：中国科学院软件研究所[15]的研究中，对二阶自回归过程动力学模型（Auto-Regressive Process, ARP）进行训练和学习，进而建立基于ARP 的预测模型，实现了人手运动的鲁棒性跟踪，在出现跟踪丢失的情况下在后续序列中可以自动恢复正确跟踪。中国科学院自动化研究所模式识别实验室提出一种基于区域的多连接体(手指)的三维运动跟踪算法[13]，用多约束融合的方法以及手指的运动特性，建立多刚体的三维运动描述，通过三类基本约束条件，把跟踪问题归结为一个约束误差优化问题。清华大学的崔锦实博士，提出一种基于回归－优化方法的关节式物体的姿态估计方法[16]。该方法把回归分析与全局优化搜索相结合，保证了估计的精度和连续性；针对现有滤波器在高维非线性多峰
2019年全球手势识别技术系统行业竞争分析
2019年全球手势识别技术系统行业竞争分析 重点手势识别技术系统企业市场份额 图表1：2016年我国手势识别技术系统主要品牌市场份额 数据来源：国家统计局手势识别技术系统行业市场集中度 图表2：2016年我国手势识别技术系统行业市场集中度分析 数据来源：国家统计局行业竞争群组 新进入者越来越多，竞争越来越激烈。对于整个手势识别技术系统行业来说，也是存在着新进入者的威胁的。由于行业技术壁垒和资金壁垒都不算很高，随时都可能有新的更大
规模的资金的企业进入，高新技术产品替代普通产品威胁大。 在手势识别技术系统市场上，大企业的产量都在全行业的总产量中占较大份额，从而产量和价格的变动都会对其他竞争对手以至整个行业的产量和价格产生举足轻重的影响。从而每个手势识别技术系统厂商在采取某项行动之前，必须首先推测或掌握自己这一行动对其他厂商的影响以及其他厂商可能做出的反应，考虑到这些因素之后，才能采取最有利的行动。整体来看，手势识别技术系统企业对价格的控制能力较强。 潜在进入者 新进入者在给行业带来新生产能力、新资源的同时，将希望在已被现有企业瓜分完毕的市场中赢得一席之地，这就有可能会与现有企业发生原材料与市场份额的竞争，最终导致行业中现有企业盈利水平降低，严重的话还有可能危及这些企业的生存。竞争性进入威胁的严重程度取决于两方面的因素，这就是进入新领域的障碍大小与预期现有企业对于进入者的反应情况。 进入障碍主要包括规模经济、产品差异、资本需要、转换成本、销售渠道开拓、政府行为与政策（如国家综合平衡统一建设的石化企业）、不受规模支配的成本劣势（如商业秘密、产供销关系、学习与经验曲线效应等）、自然资源（如冶金业对矿产的拥有）、地理环境（如造船厂只能建在海滨城市）等方面，这其中有些障碍是很难借助复制或仿造的方式来突破的。预期现有企业对进入者的反应情况，主要是采取报复行动的可能性大小，则取决于有关厂商的财力情况、报复记录、固定资产规模、行业增长速度等。总之，新企业进入一个行业的可能性大小，取决于进入者主观估计进入所能带来的潜在利益、所需花费的代价与所要承担的风险这三者的相对大小情况。 规模经济形成的进入障碍： ①表现于企业的某项或几项职能上，如在生产、研究与开发、采购、市场营销等职能上的规模经济，都可能是进入的主要障碍。 ②表现为某种或几种经营业务和活动上。 ③表现为联合成本，即企业在生产主导产品的同时并能生产副产品，使主导产品成本降低，这就迫使新加入者也必须能生产副产品，不然就会处于不利地位。 通过规模经济，能够合理的降低成本以及提高市场竞争力，因此手势识别技术系统行业对规模化的要求在逐渐的提高。由于手势识别技术系统行业的规模的提高，这也给潜在进入者造成一定的进入壁垒。同时政策的要求也给新进入者造成一定的限制。这些因素在一定程度上降低了手势识别技术系统领域的竞争力度。 替代品威胁 两个处于同行业或不同行业中的企业，可能会由于所生产的产品是互为替代品，从而在它们之间产生相互竞争行为，这种源自于替代品的竞争会以各种形式影响行业中现有企业的竞争战略。 首先，现有企业产品售价以及获利潜力的提高，将由于存在着能被用户方便接受的替代品而受到限制； 第二，由于替代品生产者的侵入，使得现有企业必须提高产品质量、或者通过降低成本来降低售价、或者使其产品具有特色，否则其销量与利润增长的目标就有可能受挫； 第三，源自替代品生产者的竞争强度，受产品买主转换成本高低的影响。总之，替代品价格越低、质量越好、用户转换成本越低，其所能产生的竞争压力就强；而这种来自替代品生产者的竞争压力的强度，可以具体通过考察替代品销售增长率、替代品厂家生产能力与盈利扩张情况来加以描述。
手势识别技术原理及解决方案
手势识别对于我们来说并不陌生，手势识别技术很早就有，目前也在逐渐成熟，现在大部分消费类应用都在试图增加这一识别功能，无论是智能家居，智能可穿戴以及VR 等应用领域，增加了手势识别控制功能，必能成为该应用产品的一大卖点。手势识别可以带来很多的好处，功能炫酷，操作方便，在很多应用场合都起到了良好的助力功能。 手势识别技术的发展 说起手势识别技术的发展，可以粗略分为两个阶段：二维手势识别以及三维手势识别。 早期的手势识别识别是基于二维彩色图像的识别技术，所谓的二维彩色图像是指通过普通摄像头拍出场景后，得到二维的静态图像，然后再通过计算机图形算法进行图像中内容的识别。二维的手型识别的只能识别出几个静态的手势动作，而且这些动作必须要提前进行预设好。 相比较二维手势识别，三维手势识别增加了一个Z轴的信息，它可以识别各种手型、手势和动作。三维手势识别也是现在手势识别发展的主要方向。不过这种包含一定深度信息的手势识别，需要特别的硬件来实现。常见的有通过传感器和光学摄像头来完成。 手势识别的关键技术 手势识别中最关键的包括对手势动作的跟踪以及后续的计算机数据处理。关于手势动作捕捉主要是通过光学和传感器两种方式来实现。手势识别推测的算法，包括模板匹配技术（二维手势识别技术使用的）、通过统计样本特征以及深度学习神经网络技术。
根据硬件实现方式的不同，目前行业内所采用的手势识别大约有三种： 1、结构光（Structure Light），通过激光的折射以及算法计算出物体的位置和深度信息，进而复原整个三维空间。结构光的代表产品有微软的Kinect一代。不过由于以来折射光的落点位移来计算位置，这种技术不能计算出精确的深度信息，对识别的距离也有严格的要求。 2、光飞时间（TIme of Flight），加载一个发光元件，通过CMOS传感器来捕捉计算光子的飞行时间，根据光子飞行时间推算出光子飞行的距离，也就得到了物体的深度信息。代表作品为Intel带手势识别功能的三维摄像头。 3、多角成像（MulTI-camera），现在手势识别领域的佼佼者Leap MoTIon使用的就是这种技术。它使用两个或者两个以上的摄像头同时采集图像，通过比对这些不同摄像头在同一时刻获得的图像的差别，使用算法来计算深度信息，从而多角三维成像。 简单介绍两个手势识别解决方案： 1、基于NXP LPC824 和Vishay VCNL4020 的手势识别方案 推出基于NXP LPC824 和Vishay VCNL4020 的手势识别方案，可以判断手势运动的
手势识别综述
手势识别综述 【摘要】介绍了手势识别的定义、分类，手势识别的过程，动态手势识别的过程。 【关键词】手势建模；傅里叶描述子；动态手势 1手势定义和分类 通常在人机交互领域手势定义为：人类通过手掌和手指的不同姿势组合形成的具有特定含义的信息的集合体称为手势。 手势通常可以分为操作性手势和交流性手势：如钢琴伴奏家在弹奏钢琴时的手指动作属于操作性手势,通过十个手指的不同组合，在键盘上发出不同声音形成乐曲的弹奏，只有操作的含义,不含有视觉上信息。马路上交警指挥路况时手上的动作属于交流性手势，通过司机观察交通警察手上不同动作理解警察的意思，含有视觉上的信息。 按照手势在表达的信息中所处的地位分为自主性手势和非自主性手势：哑语演示时表演者手上的手势动作完全表达了哑语表演者的思想，手势在语义交流中占主导地位，属于自主性手势，演员表演节目时有时为了更好的表达情感会用手势加深语义表达，但是手势只是为了更好表达意思，起到对演员表达思想的补充，这种手势动作这属于非自主性手势，在语义表达中不占主导地位。按照手势在交流活动中手势的作用对象分为离心手势和向心手势：比如说话人在下命令时手指向受命人这种手势属于离心手势，例如交通警察在交通管制中的手势属于离心手势，当听到某消息时听者会有相应的情感反应这时的手势属于向心手势，例如小朋友表示不同意时摇手即为向心手势。当操作者利用手势表达思想的时候有两种方式，一种是手臂不动完全通过手指和手掌的运动来表达操作者的意思，还有一种是忽略手指的运动，通过手的运动轨迹来表达思想。当我们做研究时会遇到手和手指同时运动的情况这时为了分类方便，需要做相应约束，当手是动的应忽略手指的动作，反之如果手指在动这时应忽略手的运动轨迹。因为基于表观的手势识别最终面临的是手的2D图像如果手和手指的运动同时考虑的话会给分类造成不必要的麻烦。 ２手势识别的分类 按照对手势数据采集的方式分为数据手套型和摄像头型。 ２．１数据手套 虚拟现实中重要组成部分，是一种通用的人机接口他可以将手指的复杂动作通过传感器反应到虚拟环境中去，在虚拟环境中真实再现手部动作。数据手套使用的效果关键是手套能不能将手指、手掌、手腕的弯曲真实的以数据形势反演到系统数据库中，让系统根据模型对手势进行有效识别，由于手部软组织和计算复杂性，数据手套的计算速度总是存在延时，同时从人机交互的角度手套佩戴也十分不方便，如果多人使用还存在卫生等问题，因此数据手套目前来说只是应用在试验阶段，真正推广到社会应用还有很多问题要解决。例如由海军某课题组开发的某型飞机训练仿真系统采用了数据手套，将人的动作如拉升飞机操纵杆通过数据手套反应到系统中，但是不足之处是手套存在一定的延时，通常第二个动作都准备做了，第一个动作系统往往还没执行，这和真实的飞机操作存在很大的差别，但是要想系统及时接受数据手套传感来的数据，往往对系统的中央处理器要求很高，需要大量投入经费和人力，存在一定的矛盾。因此数据手套在虚拟仿真中往
企业文化与企业视觉识别系统
企业文化与企业视觉识别系统 ： [摘要] 本文通过对企业文化和企业视觉识别系统的含义，企业文化的建设需要视觉识别系统的支持，企业视觉识别系统的完善离不开企业文化的不断提升等几个方面的探讨，指出两者是互为表里，相辅相成的有机整体。 [关键词] 企业文化视觉识别系统 日本知名学者日下公人在《新文化产业论》中指出:“21世纪的经济学将由文化与产业两部分构成”、“文化将成为经济进步的新形象”。企业文化与企业形象相互交融，渗透影响企业的经营管理，从而形成企业的文化生产力。企业文化作为一种极难模仿的核心竞争力，对现代企业在全球化竞争中树立形象、打造自我品牌有着无可比拟的作用。而企业文化内涵主要通过识别系统（包括理念识别、行为识别、视觉识别）向外界彰显和传达。其中视觉识别系统是整个企业识别系统的最终表现环节，也是最直接、最实际、最有成效的部分。因此，企业视觉识别系统是企业特征的形象载体，特色鲜明、创意独特的视觉识别系统是树立企业形象，弘扬企业文化的关键。本文旨在通过探讨企业文化和企业视觉识别系统的相互关系，进一步加深对企业文化、企业形象及企业视觉识别系统重要作用的认识。 一、企业文化与企业视觉识别系统的含义 所谓企业文化，多数学者将它解释为：企业在长期的运转和发展过程中形成的经营思想、价值观念、行为规范、思维方式等的综合体。它伴随着企业的成立而产生，随着企业的发展不断变化。企业文化是企业的意识形态，是其取之不尽，用之不竭的精神源泉。 企业视觉识别系统，简称VI，是企业识别系统的重要组成部分。它是在理念识别（MI）和行为识别（BI）的基础上，通过一系列形象设计，将企业经营理念、行为规范等，即企业文化内涵，传达给社会公众的系统策略，是企业全部视觉形象的总和。企业VI包括：标志、包装、标准色等元素以及这些元素在企业内部制服、交通工具、文具等介质上的应用。它着力于组织整体形象的塑造，在大众中提升企业声誉度和亲和力，从而达到对企业及其产品产生一致的认同感和价值观的目的。 从两者的内涵来看，企业文化是企业形象和品牌的根基和立足点，企业视觉识别系统是企业形象的具体视觉化表现。也就是说，企业视觉识别系统的核心内容是通过
基于深度图像技术的手势识别方法
龙源期刊网 https://www.sodocs.net/doc/435445503.html, 基于深度图像技术的手势识别方法 作者：付学娜 来源：《电子技术与软件工程》2015年第04期 所谓手势是指人手或手臂同人手结合而产生的动作或姿势，作为人机交互的一项重要技术，手势识别通过在人手安置相关的硬件设备，并通过硬件设备中的计算模块对人手的位置和速度等信息进行获取，对于识别过程中的定位和跟踪均都具有良好的指导和保障作用。本文通过对手势识别系统与深度图像的成像原理进行阐述，进而结合手势区域分割的相关理论，对基于深度图像技术的手势识别方法展开了深入研究。 【关键词】深度图像技术手势识别圆形轨迹像素值变化点 随着科技的不断发展，基于视觉的手势识别已成为新一代人机交互中的核心技术。在借助相关图像信息的基础上，计算机可以对人手的各种姿态信息以及不同的手势信息尽心准确识别，有效提高了识别的速度与质量。本文以基于深度图像技术的手势识别作为研究对象，通过对手势识别系统及深度图像成像原理进行分析，从手势区域分割以及手势特征提取两方面出发，对深度图像技术下手势识别的方法做出了详细分析。 1 手势识别系统与深度图像成像原理 基于深度图像技术的手势识别系统主要包括了手势、深度图像、手势区域分割、手势特征提取以及手势识别和人机交互等，深度图像以非接触测量的方式对场景中的深度信息进行采集，而所采集的深度信息具有较强的稳定性和可靠性，即不受物体（人手）自身颜色、背景环境和纹理特征等因素的影响。本文以微软的Kinect作为图像采集和获取深度信息的工具，进而对手势识别展开分析。 基于Kinect下的深度图像技术下所采集的640×480深度图像信息的速度可达30f/s，且信息的分辨率维持在5mm左右，在应用方面具有较强的合理性。通过在相关场景采集的场景深度值进行转换，使其转移到灰度值空间，并使深度图像中所有的像素点灰度值大小与实际场景中不同的深度值相对应，进而显示成像。值得注意的是品拍摄区域与深度摄像头之间的距离与图像中的灰度值呈现出明显的负相关关系，即灰度值越大，距离越近。 2 基于深度图像技术的手势识别 2.1 手势区域分割 虽然具有相同深度的像素点，其在深度图像中所具有的灰度值也具有较高的一致性，但由于在每次对人手手势进行拍摄时，人手同深度摄像头间的距离存在差异。因此，无法利用单一的固定阈值对手势区域进行分割，故本文以灰度值直方图作为主要研究方法，进而确定出相关背景及手势区域分割的阈值。由于人手做出相关姿势的区域距离深度摄像头较近，且相对于整