(18.210.12.229) 您好!臺灣時間:2021/03/01 06:20
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:陳義朗
研究生(外文):Chen, I-Lan
論文名稱:使用類神經網路製作空間性與時間性的手勢辨識系統與應用
論文名稱(外文):Neural Network Technology for Spatial-Temporal based Gesture Recognition and Application
指導教授:林道通
指導教授(外文):Lin Dal-Ton
學位類別:碩士
校院名稱:中華工學院
系所名稱:電機工程學系
學門:工程學門
學類:電資工程學類
論文種類:學術論文
論文出版年:1997
畢業學年度:85
語文別:中文
論文頁數:60
中文關鍵詞:手勢辨認時間性與空間性放射狀網路變形時間處理
外文關鍵詞:gesture recognitionspatio-temporal basedradial basis function neuraldynamic time warping
相關次數:
  • 被引用被引用:3
  • 點閱點閱:276
  • 評分評分:系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔系統版面圖檔
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
人機介面(man-machine interface)在虛擬實境的應用是非常重要且具有
挑戰性的。現今由於技術的問題,手勢辨認仍沒有很好 的介面,為了改
良不自然的系統,所以我們製作了一套實作系統, 配合手套系統(5TD
Glove ''95),進行具有時間性(temporal)與空間性(spatial)的手勢辨識
介面。本系統利用時間與空間的動態特徵加以辨識而達到使用者自行定義
手勢的介面(user define gesture interface)。

本系統是使用動態時間變形(dynamic time warping)的方法來箤取具有時
間性與空間性的特徵值,並且以放射狀基礎函數網路 (radial basis
function network)及正交化放射狀基礎函數網路 (orthogonal radial
basis function network)來訓練與辨識多種 手勢,並得到一個高辨識
率(90%以上)的手勢辨認系統。
Man-machine interface is becoming more and more important and
highly challenging task in these days. Many applications can be
found in Virtual Reality or multimedia area. Glove gesture
recognition plays an essential role in these applications. Due
to some technical problems, gesture recognition has not been
achieved to a satisfactory successful rate. We implemented a
spatio-temporal based real-time gesture recognition system. The
system uses spatio-temporal dynamic feature to recognize user-
defined gestures.Gesture recognition is difficult for various
reasons. The variations include the speed of the movement of a
gesture, environment changes, quality and the way describing a
gesture for various users. The traditional approaches have been
only partially successful. In this thesis, we describe our
approach to overcome the difficulties using spatio-temporal
feature extraction and radial basis function neural network. The
system extracts spatio-temporal feature by using dynamic time
warping method. We train and recognize multi-gestures using
radial basis function neural network and orthogonal radial basis
function neural network. It effectively solves the real-time
recognition problem. The resulting system can train the defined
gesture in real time and achieve a high gesture recognition rate
(over 90%).
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
系統版面圖檔 系統版面圖檔