基于可穿戴数据的手势识别方法 |
| 时间：2025-03-31 11:10:07 来源：互联网 作者： |
百度学术手势识别是人工智能一个重要的领域.在虚拟现实,聋哑人交流,机器人控制等方面均有广泛的应用前景.手势识别领域的两大研究重点为孤立词手势识别和连续词手势切分的问题.手势识别根据使 基于可穿戴传感器的手势识别更多内容请查看https://xueshu.baidu.com/usercenter/paper/show?paperid=1f5g0ct0v7790vd0xx240jk0fk243853
概览基于气压肌动图和改进神经模糊推理系统的手势识别研究FMG Versus EMG: A Comparison of Usability for Real-Time Pattern Recognition Based ControlEarBuddy: Enabling On-Face Interaction via Wireless EarbudsInterferi: Gesture Sensing using On-Body Acoustic InterferometrySign Language/Gesture Recognition Based on Cumulative Distribution Density Features Using UWB RadarNo Interface, No Problem: Gesture Recognition on Physical Objects Using Radar SensingEarTouch: Facilitating Smartphone Use for Visually Impaired People in Mobile and Public ScenarSkinMarks: Enabling Interactions on Body Landmarks Using Conformal Skin ElectronicsFingerPing: Recognizing Fine-grained Hand Poses using Active Acoustic On-body Sensing当然目前落地最多的是基于视觉的手势交互方案，代表论文：《MEgATrack: Monochrome Egochttps://zhuanlan.zhihu.com/p/336611326https://blog.csdn.net/qq_30154571/article/details/109462515本文的重点是除了视觉方案的其他方案。首先看论文《Emerging Wearable Interfaces and Algorithms for Hand Gesture Recognition: A Survey》总结了各种可穿戴的方案：在zhuanlan.zhihu.com上查看更多信息更多内容请查看https://zhuanlan.zhihu.com/p/589569232
豆丁网基于可穿戴数据手套的手势识别方法研究 本文对目前手势识别领域相关问题的解决方案做了研究并做出总结，在基本的理论. 基础下介绍了几种经典的手势识别算法。 通过对不同算法应用于手势识别领域的了解， 发 更多内容请查看https://www.docin.com/p-2286380414.html
.sb_doct_txt{color:#4007a2;font-size:11px;line-height:21px;margin-right:3px;vertical-align:super}.b_dark .sb_doct_txt{color:#82c7ff}计算机辅助设计与图形学学报https://www.jcad.cn/cn/article/pdf/preview/fd62bfb7-9ea9[PDF]一种基于数据手套的静态手势识别方法2015年12月2日 · 手势识别方法是人机交互的一个重要研究领 域, 按照手势数据输入方式的不同可以将其分为 基于视觉的手势识别和基于数据手套的手势识别 两大类. 一类是基于计算机视觉通 更多内容请查看https://www.jcad.cn/cn/article/pdf/preview/fd62bfb7-9ea9-48ee-9d0f-30142228237c.pdf
.rcimgcol .cico { background: #f5f5f5; } .b_dark .rcimgcol .cico { background: unset; }.b_imgSet .b_hList li.square_m,.b_imgSet .b_hList li.tall_m{width:75px}.b_imgSet .b_hList li.tall_mlb{width:113px}.b_imgSet .b_hList li.tall_mln{width:96px}.b_imgSet .b_hList li.wide_m{width:128px}.b_imgSet.b_Card .b_hList li{padding-left:1px;padding-right:9px}.b_imgSet.b_Card .b_hList li.tall_wfn{width:80px;padding-right:6px}.b_imgSet.b_Card .b_hList li:last-child{padding-right:1px}.b_imgSet.b_Card .b_imgSetData{padding:0 8px 8px;height:40px}.b_imgSet.b_Card .b_imgSetItem{box-shadow:0 0 0 1px rgba(0,0,0,.05),0 2px 3px 0 rgba(0,0,0,.1);border-radius:6px;overflow:hidden}.b_imgSet .b_imgSetData p a{color:#444;outline-offset:0}.b_subModule .b_clearfix.b_mhdr .b_floatR .b_moreLink,.b_subModule .b_clearfix.b_mhdr .b_floatR .b_moreLink:visited,.b_subModule>.b_moreLink,.b_subModule>.b_moreLink:visited{color:#767676}.b_imgSet .cico.b_placeholder{display:flex;justify-content:center;background-color:#f5f5f5;background-clip:content-box}.b_imgSet .cico.b_placeholder a{display:flex}.b_imgSet .cico.b_placeholder a img{width:48px;height:48px;margin:auto}@media(max-width:1362.9px){#b_context .b_entityTP .b_imgSet li:nth-child(5){display:none}.b_imgSet .b_hList li.wide_m:nth-child(3){display:none}}@media(max-width:1274.9px){#b_context .b_entityTP .b_imgSet li:nth-child(4){display:none}.b_imgSet .b_hList li.wide_m:nth-child(2){display:none}}.rcimgcol{height:104px;padding-top:12px;padding-bottom:12px}.rcimgcol .b_imgSet{overflow:hidden}.rcimgcol .b_imgSet ul{overflow-x:auto;overflow-y:hidden;white-space:nowrap;padding-left:20px}.rcimgcol .b_imgSet ul::-webkit-scrollbar{-webkit-appearance:none}.rcimgcol .b_imgSet .b_hList>li{padding-right:2px}.rcimgcol .b_imgSet .cico{border-radius:0}.rcimgcol .b_imgSet .b_hList>li:first-child img{border-radius:6px 0 0 6px}.rcimgcol .b_imgSet .b_hList>li:last-child img{border-radius:0 6px 6px 0}.rcimgcol .rcimgcol .b_sideBleed{margin-left:0;margin-right:0}.rcimgcol .b_imgclgovr{cursor:pointer}.rcimgcol .b_imgclgovr .cico img:hover{transform:scale(1.05);transition:transform .5s ease}.insightsOverlay,#OverlayIFrame.b_mcOverlay.insightsOverlay{position:fixed;top:5%;left:5%;bottom:5%;right:5%;width:90%;height:90%;border:none;border-radius:15px;margin:0;padding:0;overflow:hidden;z-index:9;display:none}#OverlayMask,#OverlayMask.b_mcOverlay{z-index:8;background-color:#000;opacity:.6;position:fixed;top:0;left:0;width:100%;height:100%}[30] 机器学习辅助实时手部动作识别的可穿戴传感器，走向 2024年4月30日 · 这篇综述提供了全面的总结，涵盖了用于手势识别的材料、结构和机器学习算法，以及通过机器学习的可穿戴机电传感器可能的实际应用。 综述背景和简介：更多内容请查看https://zhuanlan.zhihu.com/p/679842633
AI导航，AI网站大全，AI工具大全，AI工具导航,AI软件大全,AI工具集合,AI工具库,AI工具箱,AI图像生成和背景移除、AI视频制作、AI音频转录、AI辅助编程、AI音乐生成、AI绘画设计、AI对话聊天等更多内容请查看http://aiaiv.cn
万方数据知识服务平台https://d.wanfangdata.com.cn/thesis基于可穿戴设备的多传感器手势设计与识别方法研究-学位-万方 因此本文在使用手势控制无人机操作的场景下，设计了以用户体验为中心的手势集，使用肌电传感器、弯曲传感器、惯性传感器和嵌入式电路板构建了一套可穿戴手势识别设备，并基于该可穿 更多内容请查看https://d.wanfangdata.com.cn/thesis/ChhUaGVzaXNOZXdTMjAyNDA5MjAxNTE3MjUSCUQwMTkwNjQ4OBoIc3FibGx5Z3U%3D
https://blog.csdn.net/weixin_42595525/article/details/手势识别 技术 本文详细介绍了手势识别技术，包括基于可穿戴设备、触摸技术和计算机视觉的识别方法。 在可穿戴设备中，通过数据手套和其他传感器获取手势数据，利用神经网络 更多内容请查看https://blog.csdn.net/weixin_42595525/article/details/89400859
百度学术针对基于视觉的手势识别的局限性,本文采用可穿戴传感器作为数据采集设备,在基于加速度的手势识别的方法基础上加入姿态角数据信息,提高了手势识别精度。更多内容请查看https://xueshu.baidu.com/usercenter/paper/show?paperid=aba501d4bbb21298d562018a0d74c990&site=xueshu_se
豆丁网基于可穿戴设备惯性感应器的手势识别研究与应用 可穿戴设备具有许多的功能,如运动监测、睡眠监测、通知提醒、时间显示、身份认证、支付以及手势识别等。 手势识别是人机交互中的一种重要的交互手段,通过手势识别可 更多内容请查看https://www.docin.com/p-2279637269.html
X-MOL科学知识平台基于专用数据手套信号和深度学习算法的动态手势识别,IEEE 2021年5月6日 · 其次，提出了一种新颖的动态手势识别算法（DGDL-GR）来识别人类动态手语，其中充分利用了卷积神经网络（fCNN）和通用时间卷积网络（TCN）的融合模型。 提 更多内容请查看https://www.x-mol.com/paper/1396242850133819392/t?adv
|
|
