论文基于单目跟踪—神经网络分类算法的手势识别是适合不知如何写神经网络方面的相关专业大学硕士和本科毕业论文以及关于神经网络论文开题报告范文和相关职称论文写作参考文献资料下载。
摘 要：随着人工智能的发展,具有用户界面的空中机器人逐漸普及大众.手势是人类沟通的直观方式,各研究工作都致力于利用自然的手势控制空中机器人.但是,由于该方面的技术还未成熟,尚未解决存在的长久问题.例如从设计角度选择手势的原则,从硬件角度考虑硬件的要求,考虑数据的可用性以及从实际角度考虑算法的复杂性.因此本设计考虑了实际的场景、硬件成本以及算法的适用性,致力于建立一个经济的单目系统,设计简洁直观的手势,将其映射到丰富的目标方向并实现微调.
关键词：手势识别；单目跟踪；神经网络
中图分类号：TP391 文献标识码：A 文章编号：1009-3044（2018）12-0221-04
Abstract： With the development of artificial intelligence, aerial robots with user interface are becoming popular among general. Hand/arm gestures are an intuitive way to communicate for humans, and various research works he focused on controlling an aerial robot with natural gestures. However, the techniques in this area are still far from mature and many issues in this area he been poorly addressed. For example, there are the principles of choosing gestures from the design point of view, hardware requirements from an economic point of view, consideration of data ailability, and algorithm complexity from a practical perspective. The work has jointly considered practical scenarios, hardware cost and algorithm applicability and focused on building an economical monocular system particularly designed for gestures. In addition, natural arm gestures are mapped to rich target directions and convenient fine adjustment is achieved.
Key words： gesture recognition； monocular tracking； neural network
1 引言
近年来,人机关系逐渐出现转折点,即从“人适应机器”到“机器对人的适应”.随着人工智能和计算机视觉的发展,大量的研究工作集中于利用手势控制控制机器人,类似控制宠物.因此,基于空中机器人的手势识别是一个很有前景的研究领域.
目前基于手势识别的机器人研究不尽相同[1-5].从设计角度来看,不同手势适用于不同的控制命令.绝大部分设计将手势识别视为分类问题,其中只有少数设计将手势识别后映射成控制命令.由于机器人可以在多环境下执行多样的操作,因此本算法专注于特定场景,实现为某些常用操作量身的设计.例如,设计“拍照”动作的手势,必须考虑系统可能需要处理多人紧密靠近的场景,并决定接收命令和和实际操作之间的适当延迟；设计“指挥机器人转动方向”的手势时,必须考虑足够复杂的手势以确保不会被意外触发.
本文提出基于单目的手势控制算法,该算法专用于驾驶空中机器人.算法设计综合考虑飞行场景、人类的自然手势、用户期望的飞行器操作以及空中机器人不同目标方向之间的命令转换.该设计不仅实现人机如同宠物般愉快地交互,而且还帮助用户在某些场景中摆脱笨重的控制器.
如图 1所示本文手势识别算法的流程图.跟踪静态帧中的目标,根据人体与手臂的比例,提取出固定大小的感兴趣区域（Region Of Interest, ROI）.之后将ROI经过三次高斯下采样,利用卷积神经网络cifar10进行手势识别；最后总结多帧的识别结果从而产生可靠的命令.本文其余部分的安排如下：第2节介绍设计的手势以及产生的相应命令；第3节介绍目标用户的跟踪算法；第4节介绍基于神经网络的手势识别；第5节展示本文的实验结果；最后,总结本文.
2 手势设计
本文算法假设在人机交互期间,满足用户保持空中机器人对其可见,并且没有其他人靠近的条件.考虑由于用户与空中机器人之间的距离、相机运动、不可控的户外光照条件等,机载相机拍摄的视频质量通常不是很高,所以识别手臂手势而不是手掌手势.
如前所述,手势设计的优势是将手臂手势映射到丰富的目标方向.首先检测处于动态位置的用户以及用户的手臂,然后命令空中机器人遵循用户指定的方向飞行,如图 2总结了设计的手势以及相应的命令.这种映射方式使人机之间的交互相当直观,并且用户在大多数的情况下不需要记住特别设计的手势表.
手势设计的另一个优势是在良好的飞行区域中,当用户观察到空中机器人偏离预期的路径时,可以通过改变自己的手势很容易地校正空中机器人的飞行方向.例如,当用户看到空中机器人比预期的飞行要高,只需要降低手臂就可以调整飞行高度,而不是回想复杂的手势.
3 跟踪目标
总结:这篇神经网络论文范文为免费优秀学术论文范文,可用于相关写作参考。
参考文献：
1、 改进PSO—BP神经网络分类器设计 摘 要：针对BP神经网络的缺陷容易导致分类器精度低的问题，给出了改进粒子群算法。该算法在标准粒子群算法中融入混沌优化算法、动态惯性权重和动态学习。
2、 基于改进竞争型神经网络的分类算法 摘要：该文针对竞争型神经网络在对训练样本没有明显的分类特征时不能准确分类的问题，在已有的分类算法基础上，提出了一种改进的分类算法。该算法在竞争型。
3、 BP神经网络在用电用户分类中的应用 摘 要： BP神经网络在解决非线性复杂系统中存在很大的优势。针对家庭用电设备自身的负荷特点，以广州供电局用户用电设备能耗数据作为训练样本，利用B。
4、 基于神经网络智能车辆导航路径识别模型 摘 要： 传统基于PID的车辆导航路径识别模型，基于精准的数学模型实现智能车辆路径控制，在高速情况下具有较低的鲁棒性，智能控制性能差。因此，基于。
5、 PID神经网络算法对K型热电偶非线性校正 摘 要： 针对火箭发射场发射效应测温系统中K型热电偶存在的非线性特性，设计中将非线性特殊点作为训练样本，采用新型动态PID神经网络算法对热电偶进。
6、 神经网络深度学习算法在地理国情监测中的应用 摘要：开展常态化地理国情监测是广东省基础测绘“十三五”规划重要内容，本文综合利用多时相影像、专题资料及已有矢量成果数据，研究基于神经网络深度学习。