題-1_100_100.jpg)
基本信息
- 項(xiàng)目名稱：
- 基于視覺的手勢識別MP3設(shè)計(jì)
- 小類：
- 信息技術(shù)
- 大類：
- 科技發(fā)明制作B類
- 簡介：
- 此作品設(shè)計(jì)是基于視覺識別技術(shù)的基礎(chǔ)上，使用微處理器控制攝像頭采集視頻，然后通過圖像算法準(zhǔn)確將人的手勢從平面圖像中分離出來，再經(jīng)過圖像抗干擾處理后識別出手的運(yùn)動方向，進(jìn)而控制播放器的歌曲切換、聲音大小等操作，使人們擺脫了傳統(tǒng)的按鍵控制，讓MP3更人性化、智能化。
- 詳細(xì)介紹：
- 無
作品專業(yè)信息
設(shè)計(jì)、發(fā)明的目的和基本思路、創(chuàng)新點(diǎn)、技術(shù)關(guān)鍵和主要技術(shù)指標(biāo)
- 創(chuàng)新點(diǎn)：1、利用微處理器處理手勢信息，以此來控制MP3的播放，擺脫傳統(tǒng)的按鍵控制，使得MP3更智能化、人性化；2、利用嵌入式系統(tǒng)來處理圖像，擺脫傳統(tǒng)的計(jì)算機(jī)的處理，使設(shè)備更微型化,更廉價(jià)；3、圖像處理的算法是通過顏色分割整合辨別法和運(yùn)動目標(biāo)識別法相結(jié)合，相比傳統(tǒng)單一的算法更簡潔，并且運(yùn)用了一些快速算法以減少占用CPU運(yùn)算量；4、采用簡單手勢就能與設(shè)備進(jìn)行交互，這很大程度上的節(jié)省了人們學(xué)習(xí)使用設(shè)備的時(shí)間。 技術(shù)關(guān)鍵和主要指標(biāo)：1、攝像頭能夠較準(zhǔn)確的對環(huán)境進(jìn)行圖像采集；2、采集進(jìn)來的圖像經(jīng)過圖像壓縮能夠以最少的存儲空間儲存，減少設(shè)備的費(fèi)用、面積，便于攜帶；3、圖像處理的算法，使得能夠精準(zhǔn)的提取手的動作；4、把MP3整合進(jìn)去，使得CPU通過攝像頭提取出來的信息能夠準(zhǔn)確的控制MP3的播放。
科學(xué)性、先進(jìn)性
- 基于視覺的手勢識別技術(shù)是新一代人機(jī)交互的重要內(nèi)容，使用微控制器通過攝像頭理解人們的手勢并做出相應(yīng)的反應(yīng)，使人們擺脫了傳統(tǒng)的按鍵的控制，將改變?nèi)藗兊纳a(chǎn)生活方式。現(xiàn)有的音響設(shè)備大多數(shù)要么是通過按鍵來控制的，要么是通過觸摸屏來控制的，始終沒有辦法不去觸摸播放器而控制這些設(shè)備。而本作品是通過攝像頭采集人的手勢并識別，以此來控制播放器的操作，擺脫了傳統(tǒng)的按鍵控制，這正是當(dāng)今社會智能化發(fā)展的一個(gè)方向。除此之外，傳統(tǒng)的圖像識別是基于計(jì)算機(jī)等一些比較高端的設(shè)備上，成本高，體積大，不方便攜帶。而該產(chǎn)品融入了現(xiàn)代新興的圖像識別的應(yīng)用技術(shù)，把圖像處理應(yīng)用于微處理器上，突破計(jì)算機(jī)等高端設(shè)備體積大、成本高等缺點(diǎn)。
獲獎(jiǎng)情況及鑒定結(jié)果
- 無
作品所處階段
- 整機(jī)調(diào)試
技術(shù)轉(zhuǎn)讓方式
- 無
作品可展示的形式
- 實(shí)物
使用說明,技術(shù)特點(diǎn)和優(yōu)勢,適應(yīng)范圍,推廣前景的技術(shù)性說明,市場分析,經(jīng)濟(jì)效益預(yù)測
- 該作品的使用非常簡單，啟動開機(jī)開機(jī)按鍵后，就可以通過手的上下、左右移動等手勢來控制MP3的增加音量、減少音量、上一首、下一首等操作。該技術(shù)的特點(diǎn)是通過利用微處理器ARM控制攝像頭采集圖像和數(shù)字圖像信號的算法來提取手勢信息并進(jìn)行處理，以此來控制MP3播放，具有更智能化、人性化的優(yōu)勢，突破了傳統(tǒng)MP3的使用。該技術(shù)也可以應(yīng)用在家用的音響等設(shè)備上，使得音響等設(shè)備可以根據(jù)人的手勢來控制，具有很高的便利性。當(dāng)前社會經(jīng)濟(jì)的飛速發(fā)展，人們的生活水平不斷地提升，對娛樂性的設(shè)備需求量急劇上升，因此對設(shè)備的設(shè)計(jì)要求也越往智能化和微型化。該作品具有一定創(chuàng)新突破，設(shè)計(jì)的功能也具有相當(dāng)高的智能化，不但可以滿足人們的精神需求，更能使人們的生活更加便利。由此可知其經(jīng)濟(jì)效益非常高。
同類課題研究水平概述
- 國外對手勢識別的研究已有很長的歷史，1991年富士通實(shí)驗(yàn)室完成了對46個(gè)手勢符號的識別工作；J.Davis和M.Shah將戴上指尖具有高亮標(biāo)記的視覺手套的手勢作為系統(tǒng)的輸入，可識別7種手勢；Starner等在對美國手勢中帶有詞性的40個(gè)詞匯隨機(jī)組成的句子識別率達(dá)到99.2%；K.Grobel和M.Assam從視頻錄像中提取特征，采用HMM技術(shù)識別262個(gè)孤立詞，正確率為91.3%。 我國的高文、吳江琴等人給出了ANN與HMM的混合方法作為手勢的訓(xùn)練識別方法，以增強(qiáng)識別方法的分類特性和減少模型的估計(jì)參數(shù)的個(gè)數(shù)，將ANN-HMM混合方法應(yīng)用于有18個(gè)傳感器的CyberGlove型號的數(shù)據(jù)手套的中國手勢識別系統(tǒng)中，孤立詞識別率為90%，簡單語句級別率為92%。另外，清華大學(xué)遠(yuǎn)新、徐光佑等給出了一種基于視覺的動態(tài)孤立手勢識別技術(shù)，借助于圖像運(yùn)動的變化參數(shù)模型和魯棒回歸分析，提出了一種基于運(yùn)動分割的圖像運(yùn)動估計(jì)方法?；趫D像運(yùn)動參數(shù)，構(gòu)造了兩種表現(xiàn)變化模型分別作為手勢的表現(xiàn)特征，利用最大最小優(yōu)化算法來創(chuàng)建手勢參考模板，并利用基于模板的分類技術(shù)進(jìn)行識別，對12中手勢的識別率超過90%。在進(jìn)一步研究中，他們又給出了有關(guān)連續(xù)動態(tài)手勢的識別，融合手勢運(yùn)動信息和皮膚顏色信息，進(jìn)行復(fù)雜背景下的手勢分割；通過結(jié)合手勢的時(shí)序信息、運(yùn)動表現(xiàn)及形狀表現(xiàn)，提出動態(tài)手勢的時(shí)空表現(xiàn)模型，并提出基于顏色、運(yùn)動以及形狀等多模式信息的分層融合策略抽取時(shí)空表現(xiàn)模型的參數(shù)，最后，提出了動態(tài)時(shí)空規(guī)整算法用于手勢識別，對于12中手勢，平均識別率高達(dá)97%。
