计算机开题报告范文-精品文档.docx
《计算机开题报告范文-精品文档.docx》由会员分享,可在线阅读,更多相关《计算机开题报告范文-精品文档.docx(17页珍藏版)》请在淘文阁 - 分享文档赚钱的网站上搜索。
1、计算机开题报告范文报告使用范围很广。根据上级部署或工作计划,每完成一项任务,一般都要向上级写报告,反映工作中的基本情况、工作中获得的经历教训、存在的问题以及今后工作设想等,以获得上级领导部门的指导。计算机开题报告范文1课题名称:基于嵌入式的智能手势识别器的设计一、课题研究背景1.国内外的研究现状目前国内外实现的手语识别系统主要分为基于传感器的系统识别和基于图像处理的识别系统。利用传感器识别的系统就是利用空间加速度和角速度这两个参数来进行的,当信息量比拟大时,能更方便的获取到数据;缺点是需要在手臂上装置大量装置在表达上带来了不便性。基于图像的视觉识别是用摄像机采集手势信息进行识别的技术。这种方式
2、的优点是动作的识别愈加自然,缺点是图像处理识别时容易遭到环境的干扰。手势识别领域的研究在国外要比国内早,国内最早开场研究手势手语的识别是哈工大团队提出了将多种手势识别算法融合的方法,这种方法在分类时特征和模型的参数都很少,但这种技术对手语手势的识别在那个年代获得了良好的识别效果,通过将神经网络和HMM算法相结合,使系统对简单静态手语的识别率到达百分之八十以上。随着技术的发展,人们将GMM模型运用到手语识别系统中,通过这种方法对手语识别得到的结果更好。20xx年,南开大学的李国峰等人研发了基于MEMS加速度传感器的简单输入系统,该系统也为自热的人机交互研究开启了新理念。20xx年华中师范大学团队
3、开场了基于加速度传感器手语识别研究,对预设的八种手势进行识别,其识别率到达了85.3%.20xx年,清华研究团队利用SEMG信号去识别手臂和手指动作采用多电极阵列获取SEMG信号,固然实用性不是很强,识别率不是很高,但是在该领域的探索研究,做出了大量的探索工作。20xx年,由于传感器的手势识别领域的快速发展,国内学者张欣和陈勋等人将传感器技术与生理信号互相结合,构建了手势识别系统的远程医疗系统,该系统研发为识别领域注入了新的血液,使得国内对相关领域的研究愈加热衷起来。2.课题研究的意义根据世卫组织近期的一项报道表明,在全球有6亿多的残疾人,其中就聋哑人占残疾人口的10%.截止到20xx年末,中
4、国残疾人的数量已经占到全国总人口数的百分之六,是世界上残疾人最多的国家。在这些残疾人当中,具有听力障碍的人占33%,人数大约为2780万,这些人中只要少部分人只要听力或语言障碍,而大多数人完全失去了与健康人类正常沟通的能力,手语则是它们唯一的沟通方式。对于健康的人们来讲,除一些专业人士外大部分人并不能理解手语的含义,那么将手语转换成声音和图像并被人们轻易理解就变得很有实用价值。这将去除它们与社会沟通的障碍为它们融入到有声世界提供了很大的帮助。手势手语是将人体产生的动作赋予了特定的含义且高度的构造化后的集中体现。.它主要是由人的手势决定也会有一些面部表情进行辅助,因而我们要对手语进行识别,首先必
5、需要弄清手势含义,目前很多对手语的识别是依靠计算机视频识别来实现的。自上世纪九十年代以来,计算机技术得到迅猛发展已经深化到生活的方方面面之中影响迅速扩大,而且在日常生活中多模态接口技术已经变得越来越普遍。固然传统鼠标和键盘随着计算机技术飞速发展而变得越来越先进,但是由于人的需求也在发生着很大的变化,这些传统设备也逐步凸显出了它们的局限性,在虚拟现实和人机交互上这种限制是有着明显的表现。人机交互中手势是输入和输出的非常重要的方式,所以手势识别是多形式接口技术的一个重要部分。随着技术的不断革新,用户对传统计算机的要求已经不仅仅局限在便利性和人机交互的方面,导致传统设备在人机互动方面已经无法知足用户
6、的需求。而手势识别就是解决高人工智能领域的局限性问题的,它作为多形式人机接口技术已成为当前计算机技术继续深化研究的方向,能使通信在人机交互界面技术上使用的愈加自然和谐,手势识别最接近的就是手语识别,对它的研究涉及心理学、人工智能、计算机视觉等多领域的学科研究,而且作为日常生活中沟通的一种方式已开场遭到大批专家和学者的关注,并在手势识别研究方向开场投入大量科研经费和精神,由于手势手臂本身较为复杂而且它的时间和空间差异使得手势识别已经成为一个具有挑战性的多学科穿插融合的研究课题。二、课题研究内容1.手势的表示手势表示通常是利用手势模型和模型参数来表示的,所以在识别手势的时候首先要要对手势建模,识别
7、是根据手势表示内容而选取手势特征量与模型匹配,由于环境文化和地区的不同会导致了手势的差异,可能会有使用不同的表达方式,所以手势通常是一个不太明确的概念,有时手势表达的含义在不同情景下承载的信息是不同的。比方不同地区表示暂停的时候是左手在上右手在下,而其它地方可能就是右手在上左手在下。本文设计的关键是对手势的建模训练,尤其是对待识别的手势确实定。详细的应用决定了采用什么样的手势形式,只要建立准确的手势模型才能利用算法进行对识别到的手势做出正确反应。通常手势建模和手势识别所使用到的方法是相异的,采集手势特征数据的方法也不一样。目前基于数据手套的特征捕获方法是比拟常用的采集数据信息的方式,通过选择相
8、应的识别算法实现手势的识别反应。2.常用手势识别算法分析2.1人工神经网络算法这种算法还具有抗干扰能力和容错性强识别速度快等优点,它能把预处理和识别的经过同时进行处理。在目前的识别领域中,运用的比拟多的神经网络是误差反向传播神经网络简称网络。BP神经网络构造图算法是一种有监督式的学习算法,它由三部分构成输入层、中间层也叫隐藏层和输出层,其中的输入层和输出层的神经元节点是固定的数目,两层之间存在从输入层到输出层的前馈连接和输出层至输入层的反应连接,只要隐藏层的神经元是能够自由定义的。在人际交互识别领域中应用神经网络算法进行手势的识别时首先需要有本人的数据库系统,再对采集到的手势数据序列进行算法的
9、训练,使用训练好的网络去识别输入的手势数据信息数据的含义即到达识别手势的目的,识别到后经过计算处理以实现人机交互的目的。神经网络的优点是抗干扰性和容错能力强,缺点是训练量比拟大,扩大性不强对时序建模能力差,无法有效处理动作的速率带来的问题。2.2动态时间规整动态时间规整曾是语音识别的一种主流方式,它是一种将时间归整与距离测度结合起来的非线性正则化的技术,算法是建立一套科学的时间校准匹配途径将测试形式和参考形式建立起联络的算法。DTW的算法主要利用的动态编程技术DynamicProgramming,DP去实现,它的算法实现是将全局的优化分化成诸多的局部最优化。所以在使用算法的时候需要将各局部最优
10、化,已到达全部的最优化。在DTW算法中由于容易实现和数据的训练简单等优点被用在语音识别中广泛应用,但在手势识别领域由于其运算量太大和较弱的抗噪能力,很难到达对手势识别的实时性的要求。2.3特征选择手势识别本质上是对手势进行多分类任务,在实际的实验测试经过中,能够准确区分手部状态是进行手势识别任务的前提条件,且对后续的分类以及检测等任务的精准度至关重要。比方在进行图像识别经过中,对拍摄到的图像进行特征提取是判别手势的第一步,特征性质的优劣是后续进行图像信息处理的关键,对采集到的数据进行特征提取,提取经过中假如特征过于简单就会造成对图像信息的提取不全,导致最后的判别准确度较低的问题不能知足手势识别
11、对人体手势识别高准确度的要求,而假如不考虑提取到的特征维度问题,容易造成数据维度灾难现象即产生大量的特征数据使计算机无法短时间进行处理,这样不能知足手势识别对于现场实时性的要求。由于在三维空间中执行的手势是动态的,采集到的加速度和姿态角的数据也是实时变化的,所以对于手势识别的数据是由内嵌在手套中的两个六轴陀螺仪加速度传感器产生的,当手部移动时会产生加速度,角速度姿态角等实时数据信息,处理器通过对传感器识别的运动数据进行采集计算最终识别手势的动作。三、实验结果测试与分析1.实验手势本章主要内容是根据前面内容进行试验,通过实验验证可穿戴智能手套翻译器能够使用改良型的识别算法提高手势的识别率和识别精
- 配套讲稿:
如PPT文件的首页显示word图标,表示该PPT已包含配套word讲稿。双击word图标可打开word文档。
- 特殊限制:
部分文档作品中含有的国旗、国徽等图片,仅作为作品整体效果示例展示,禁止商用。设计者仅对作品中独创性部分享有著作权。
- 关 键 词:
- 文化交流
限制150内