摘要：本文提出一种新颖的用手的动作来控制GUI输入接口的思路和具体实现技术。在将μCLinux和Microwindows移植到基于ARM的嵌入式系统中后,利用加速度传感器ADXL105达到了用手的动作对GUI菜单进行控制的目的,从而实现了更自然的人机交互输入。

摘要：姿态估计和人体动作识别是计算机视觉领域内的两大热点研究方向。人体姿态估计通常面临着坐标点误差等问题。而光照、障碍物遮挡、人体自遮挡以及动作类别混淆等因素的影响会加大动作识别的难度和精度。针对以上问题,现提出如下解决方法:设计一种用Kinect采集人体三维关节点坐标的方法,使用数据投影的方法解决采集过程中出现的坐标点不对应问题,并给出人体姿态特征描述方法。利用卷积神经网络在姿态估计结果的基础之上进行动作识别,使用知识蒸馏的方法建立更为统一且鲁棒的特征空间,在采集到的数据集上获得较高准确率。

摘要：针对手势交互中手势信号的相似性和不稳定性,在研究了加速度传感器MMA8452Q的基础上,设计并实现了一种基于三轴加速度传感器的手势识别方案。该系统利用MMA8452Q传感器采集手部倾斜角度信号,通过IIC连接方式将采集到的数据传送到单片机STC89C52RC,单片机STC89C52RC对接收到的数据进行分析处理,最后输出相对应的控制信号,可以用来实现肢体动作控制家电。测试结果表明:系统测量精度高、运行稳定,实时性好、性价比高,具有一定的实用价值。

摘要：对视频中无监督的人体动作识别方法进行了综述。基于聚类和基于降维的传统无监督学习识别算法,对前期动作特征的设计和提取有较高的依赖及敏感性;基于卷积神经网络和基于递归神经网络的深度学习无监督识别方法能够自动提取动作特征,因而弥补了传统方法手工提取特征的不足,但也带来了新挑战。

摘要：电力工程现场人员复杂、交叉施工面多,迫切需要借助技术手段提升工程现场安全管控力度,为此文中设计了一种动作识别模型实现对监控图像中危险动作的快速甄别。模型使用卷积神经网络和长短期记忆网络构建了能够在融合多视图基础上实现动作识别的深度学习网络。为克服监控图像常见的遮挡和轮廓模糊问题,模型使用两个摄像机作为图像传感器,并通过图像融合实现图像同步。由于模型的监督训练需要大量图像数据,人工标记非常费时,因此文中还提出了一种可对图像进行自动标记的堆叠卷积自编码模型。实验结果证明了所提出模型的有效性。

摘要：为提高跌倒动作的正确识别次数,提出基于智能感知的人体跌倒动作识别技术。采集人体运动行为数据,保证数据识别的真实有效性;提取跌倒动作特征,提高动作识别效果;基于智能感知识别跌倒行为,减少伪跌倒动作的识别影响;由此实现人体跌倒动作的实时分析。采用对比实验的方式,验证新识别技术的识别效果更佳,具有一定的推广价值。

摘要：针对传统乒乓球动作识别未考虑动作的时序性和动态特性的问题,研究在二维DWT算法的基础上引入奇异值分解,设计出一种改进DWT算法,以获得乒乓球动作的局部特征,从而提升其识别准确率。实验结果显示:在识别准确率计算中,改进DWT算法的平均识别准确率为97.8%,优于其他算法,表明其识别精度较高;在识别时间计算中,改进DWT算法的识别时间与其他算法相比,均下降了50%左右,表明其识别效率较高。以上结果证明了改进DWT算法的优越性能,为乒乓球的动作识别提供了有效的技术支持。

摘要：基于视频的行为识别技术在计算机视觉领域有着广泛的应用,针对当前存在的3D网络模型卷积运算参数量大,运算时间长,调参困难等问题,提出一种改进的三维卷积神经网络模型。该模型将传统的3D CNN网络结构拆分为空间流和时间流进行数据运算,并借鉴ResNet网络的设计思想,减少参数设置,避免梯度消失。实验结果表明,文中模型在保证识别精度的条件下,训练速度得到了大幅提升。相较于传统行为识别算法,该模型能取得更高的识别精度并提高运算效率,体现出模型算法的优越性与鲁棒性。

摘要：针对当前热门的体感技术,研究基于手势动作识别的地图浏览方式。通过Microsoft Kinect手势的设计与识别,与搭建的OpenLayers等地图平台的浏览操作对接,实现基于人体自定义动作对地图浏览的操作,这种更人性化的人机交互方式在解放电脑对人的束缚的同时,也更促进了人机交互的融合。

摘要：文章介绍了虚拟现实技术及其特征，阐述了虚拟现实技术在公共安全事件演练领域中的应用，介绍了动作识别技术，最后综合采用基于计算机视觉的动作识别技术和传感器技术提出一种技战术演练设备操作训练系统设计思路。