-
公开(公告)号：CN107329564B
公开(公告)日：2020-05-29
申请号：CN201710432455.4
申请日：2017-06-09
Applicant: 济南大学
Abstract: 本发明公开了一种基于手势智能感知和人机协同机制的人机猜拳方法。首先将Kinect获得图像序列经过分割、肤色建模提取出人手，然后通过提出的SCDDF识别算法提取手势特征，再与事先建立好的手势库中模板进行匹配，最终识别出用户手势。在此基础上，将虚拟界面运用到人机猜拳游戏中使用户可以更加方便自然地体验人机猜拳游戏的乐趣；结合人机猜拳游戏，本文还提出人机协同机制，使整个游戏更加顺畅自然；在手势识别方面，本文融合DDF算法和性状上下文特征描述子算法，提出SCDDF算法，经实验验证，新的识别算法较之前的DDF算法识别正确率提高了10.8％。
-
公开(公告)号：CN107766842A
公开(公告)日：2018-03-06
申请号：CN201711101103.7
申请日：2017-11-10
Applicant: 济南大学
Abstract: 本发明提供了一种手势识别方法及其应用，属于智能教学领域。该手势识别方法包括：(1)，输入Kinect捕捉的深度图，进行样本序列预处理，获得合成的动态手势训练样本；(2)将合成的动态手势训练样本输入到训练好的深度学习模型中进行识别：训练好的深度学习模型根据分类输出每种分类的识别概率，找到其中最高的识别概率，其对应的分类就是识别的结果。利用本发明方法提高了手势的识别率以及鲁棒性，让老师能够用平常讲课过程中用到的自然手势来给学生上课,而不必重点记忆交互的方法,将有限的精力完全用于教学当中。
-
公开(公告)号：CN107329564A
公开(公告)日：2017-11-07
申请号：CN201710432455.4
申请日：2017-06-09
Applicant: 济南大学
Abstract: 本发明公开了一种基于手势智能感知和人机协同机制的人机猜拳方法。首先将Kinect获得图像序列经过分割、肤色建模提取出人手，然后通过提出的SCDDF识别算法提取手势特征，再与事先建立好的手势库中模板进行匹配，最终识别出用户手势。在此基础上，将虚拟界面运用到人机猜拳游戏中使用户可以更加方便自然地体验人机猜拳游戏的乐趣；结合人机猜拳游戏，本文还提出人机协同机制，使整个游戏更加顺畅自然；在手势识别方面，本文融合DDF算法和性状上下文特征描述子算法，提出SCDDF算法，经实验验证，新的识别算法较之前的DDF算法识别正确率提高了10.8％。
-
公开(公告)号：CN109086664B
公开(公告)日：2023-04-28
申请号：CN201810681989.5
申请日：2018-06-27
Applicant: 济南大学
IPC: G06V40/20 , G06V10/26 , G06V10/774 , G06V10/80 , G06V10/82 , G06F3/01 , G06N3/0464 , G06N3/08
Abstract: 本发明提供了一种动静态融合的多态手势识别方法，属于交互式教学领域。该动静态融合的多态手势识别方法包括：(1)利用Kinect持续捕捉用户做出的手势序列；(2)对捕捉到的手势序列进行动静态融合处理，得到动静态融合的样本序列；(3)对所述动静态融合的样本序列进行归一化尺寸处理，得到训练样本；(4)将所述训练样本输入到训练好的深度学习模型中进行识别得到识别结果。利用本发明方法提高了多态手势的识别率以及鲁棒性,使整个交互式教学界面更好地为智能教学系统服务。
-
Patent Agency Ranking
公开(公告)号：CN109086664A
公开(公告)日：2018-12-25
申请号：CN201810681989.5
申请日：2018-06-27
Applicant: 济南大学
CPC classification number: G06K9/00355 , G06F3/017 , G06K9/00389 , G06K9/342 , G06K9/6256 , G06K9/6262
Abstract: 本发明提供了一种动静态融合的多态手势识别方法，属于交互式教学领域。该动静态融合的多态手势识别方法包括：(1)利用Kinect持续捕捉用户做出的手势序列；(2)对捕捉到的手势序列进行动静态融合处理，得到动静态融合的样本序列；(3)对所述动静态融合的样本序列进行归一化尺寸处理，得到训练样本；(4)将所述训练样本输入到训练好的深度学习模型中进行识别得到识别结果。利用本发明方法提高了多态手势的识别率以及鲁棒性,使整个交互式教学界面更好地为智能教学系统服务。
-
公开(公告)号：CN105930784A
公开(公告)日：2016-09-07
申请号：CN201610236699.0
申请日：2016-04-15
Applicant: 济南大学
IPC: G06K9/00
CPC classification number: G06K9/00355 , G06K9/00389
Abstract: 本发明提供了一种手势识别方法，属于体感互动领域。该手势识别方法包括：S1，基于Kinect的手势分割：通过kinect获得深度图像和RGB彩色图像，从图像中分割出人手，得到手势模型；S2，提取手势模型的特征参数：使用基于二值图像的密度分布特征的方法和手指个数检测的方法来提取手势模型的特征参数；S3，与事先建立好的模板库中的手势进行匹配，最终选择出最接近的手势即为识别出的手势。本发明方法提高了手势识别效率。
-
公开(公告)号：CN114591305A
公开(公告)日：2022-06-07
申请号：CN202210292026.2
申请日：2022-03-22
Applicant: 济南大学
IPC: C07D405/10 , C09K11/06 , G01N21/64 , G01N21/78
Abstract: 本申请公开了一种可视化检测水合肼的探针的合成方法及应用，所述的探针具有式Ⅰ所示结构本发明所涉及的探针以三氰基二氢呋喃为荧光团。该合成过程简单，反应条件温和，易纯化，产率高，可以灵敏的检测出样品中的水合肼。该探针在溶剂中呈黄色，加入水合肼后变为无色，裸眼可见，故通过颜色变化指示样品中的水合肼的存在。该方法操作简单，造价低廉，在环境科学等领域具有重要的实际应用价值。
-
公开(公告)号：CN107766842B
公开(公告)日：2020-07-28
申请号：CN201711101103.7
申请日：2017-11-10
Applicant: 济南大学
Abstract: 本发明提供了一种手势识别方法及其应用，属于智能教学领域。该手势识别方法包括：(1)，输入Kinect捕捉的深度图，进行样本序列预处理，获得合成的动态手势训练样本；(2)将合成的动态手势训练样本输入到训练好的深度学习模型中进行识别：训练好的深度学习模型根据分类输出每种分类的识别概率，找到其中最高的识别概率，其对应的分类就是识别的结果。利用本发明方法提高了手势的识别率以及鲁棒性，让老师能够用平常讲课过程中用到的自然手势来给学生上课,而不必重点记忆交互的方法,将有限的精力完全用于教学当中。
-
公开(公告)号：CN105930784B
公开(公告)日：2017-10-13
申请号：CN201610236699.0
申请日：2016-04-15
Applicant: 济南大学
IPC: G06K9/00
Abstract: 本发明提供了一种手势识别方法，属于体感互动领域。该手势识别方法包括：S1，基于Kinect的手势分割：通过kinect获得深度图像和RGB彩色图像，从图像中分割出人手，得到手势模型；S2，提取手势模型的特征参数：使用基于二值图像的密度分布特征的方法和手指个数检测的方法来提取手势模型的特征参数；S3，与事先建立好的模板库中的手势进行匹配，最终选择出最接近的手势即为识别出的手势。本发明方法提高了手势识别效率。
-
-
-
-
-
-
-
-
Search Results
9
records
(took 0.021 seconds)
