针对体育教学过程中,单纯依靠教师人工观察识别学生的体育动作容易出现反馈不及时、主观评价等问题,提出一种基于融合姿态特征与动态时间规整算法(dynamic time warping,DTW)的体育动作识别方法.基于OpenPose的骨骼点特征输出,融合学生...针对体育教学过程中,单纯依靠教师人工观察识别学生的体育动作容易出现反馈不及时、主观评价等问题,提出一种基于融合姿态特征与动态时间规整算法(dynamic time warping,DTW)的体育动作识别方法.基于OpenPose的骨骼点特征输出,融合学生在体育动作中的重心、肢体角度、朝向等特征,并采用DTW进行规整和评价.实验结果显示,在训练数据集的400份动作样本中,OpenPose+DTW模型正确识别样本数为372,总识别率为93%.高于其他模型.同时广播体操教学的50个动作实验中,OpenPose+DTW模型的误判样本为5个,识别精度为90%.结果表明,基于融合姿态特征以及DTW的体育动作识别模型具备优秀的识别性能,能够满足在线体育教学的应用场景.展开更多
为了提高实时性和准确性,提出一种改进的动态时间规整算法(Dynamic Time Warping-DTW),用于度量手势运动轨迹的相似性,实现了快速的精确动态手势识别.首先,通过Kinect2传感器实时地获取人体骨架的关节点坐标和手部的形状数据,然后构造...为了提高实时性和准确性,提出一种改进的动态时间规整算法(Dynamic Time Warping-DTW),用于度量手势运动轨迹的相似性,实现了快速的精确动态手势识别.首先,通过Kinect2传感器实时地获取人体骨架的关节点坐标和手部的形状数据,然后构造矢量特征描述手的运动轨迹,运用动态时间规整方法进行模板匹配,并对特殊手势进行精确的二次分类,实现了基于轨迹匹配的快速动态手势识别.实验证明:该方法识别准确度高,实时性好,对光照强度和复杂背景干扰有很强的鲁棒性.展开更多
针对大多数手势识别算法对于形状变化较大的手势鲁棒性不强的现状,提出了一种基于DTW(Dynamic Time Warping)的手势识别算法。论文采用ASL手势数据集作为实验数据,通过图像预处理得到手势的轮廓,再对手势轮廓中心点到轮廓点的距离和轮...针对大多数手势识别算法对于形状变化较大的手势鲁棒性不强的现状,提出了一种基于DTW(Dynamic Time Warping)的手势识别算法。论文采用ASL手势数据集作为实验数据,通过图像预处理得到手势的轮廓,再对手势轮廓中心点到轮廓点的距离和轮廓曲率等特征进行提取,最后利用DTW算法寻找规整路径的方法进行识别。实验结果表明,利用DTW算法进行手势识别具有较高的准确率和鲁棒性,识别一幅图像中的手势平均时间小于0.1s,适合于实时手势识别。展开更多
文摘针对体育教学过程中,单纯依靠教师人工观察识别学生的体育动作容易出现反馈不及时、主观评价等问题,提出一种基于融合姿态特征与动态时间规整算法(dynamic time warping,DTW)的体育动作识别方法.基于OpenPose的骨骼点特征输出,融合学生在体育动作中的重心、肢体角度、朝向等特征,并采用DTW进行规整和评价.实验结果显示,在训练数据集的400份动作样本中,OpenPose+DTW模型正确识别样本数为372,总识别率为93%.高于其他模型.同时广播体操教学的50个动作实验中,OpenPose+DTW模型的误判样本为5个,识别精度为90%.结果表明,基于融合姿态特征以及DTW的体育动作识别模型具备优秀的识别性能,能够满足在线体育教学的应用场景.
文摘为了提高实时性和准确性,提出一种改进的动态时间规整算法(Dynamic Time Warping-DTW),用于度量手势运动轨迹的相似性,实现了快速的精确动态手势识别.首先,通过Kinect2传感器实时地获取人体骨架的关节点坐标和手部的形状数据,然后构造矢量特征描述手的运动轨迹,运用动态时间规整方法进行模板匹配,并对特殊手势进行精确的二次分类,实现了基于轨迹匹配的快速动态手势识别.实验证明:该方法识别准确度高,实时性好,对光照强度和复杂背景干扰有很强的鲁棒性.
文摘针对大多数手势识别算法对于形状变化较大的手势鲁棒性不强的现状,提出了一种基于DTW(Dynamic Time Warping)的手势识别算法。论文采用ASL手势数据集作为实验数据,通过图像预处理得到手势的轮廓,再对手势轮廓中心点到轮廓点的距离和轮廓曲率等特征进行提取,最后利用DTW算法寻找规整路径的方法进行识别。实验结果表明,利用DTW算法进行手势识别具有较高的准确率和鲁棒性,识别一幅图像中的手势平均时间小于0.1s,适合于实时手势识别。
