项目名称: 自然姿态交互界面中的一致性问题研究

项目编号: No.61305093

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 自动化技术、计算机技术

项目作者: 李琳

作者单位: 合肥工业大学

项目金额: 25万元

中文摘要: 业界创新交互设备陆续推出,自然姿态交互技术迅速成为研究热点。然而,姿态交互界面缺乏统一的描述模型,姿态指令无法跨设备使用;姿态识别程序缺乏统一框架指导,无法跨姿态集合运行,且忽略用户感受。因此,本申请提出自然姿态交互界面中的一致性问题研究:1)引入不同认知层面的识别元素,二次特征、稳态特征、运动特征和用户自适应特征,建立统一层次姿态特征描述模型;2)综合常用姿态识别方法,为层次特征构建特征自选择的层次分类器网络,研究该网络的训练与识别机制,使其适应于各类姿态集合;3)在分类器网络基础上,设计具有用户反馈-训练集变化-特征重选择-部分分类器更新模式的自适应姿态识别框架。本申请的研究价值在于塑造一个可信赖的行业模型,为姿态研究和应用提供理论依据;应用价值在于使得姿态交互程序可在不同设备、不同应用、不同用户上无缝运行,极大减轻姿态界面工程师的工作量,从而促进以姿态为核心的自然交互界面迅速发展。

中文关键词: 自然交互界面;自适应手势识别;手势语义特征;基于视觉的手势获取;手势交互应用

英文摘要: With the innovative interaction devices' emerging in the industry, the technology of natural gesture interaction becomes hotspot rapidly. But the interface of gesture interaction lacks an uniform description model,which leads that the gesture command cannot use across devices. The gesture recognition program lacks a guide of uniform frame,which leads that it cannot run across gesture set and ignore users' feelings. Therefore, this application proposes a research of uniform problem in the nature gesture interaction interface. Firstly, with the recognition elements of different cognitive level are introduced, that are abstract feature、steady-state feature、motion feature and user adaptively feature, the uniform description model of hierarchical gesture feature is created. Secondly, a hierarchical classifier network with feature auto-selected is constructed for the hierarchical feature on the basis of integrating the common gesture recognition methods. The training and recognition mechanism of this network is studied for suite to the different gesture set. Lastly, on the basis of classifier network, an adaptive gesture recognition frame is designed, which has a pattern of user feedback、training set change、feature re-selected and partial classifiers update. The research meaning of this application is the creation of

英文关键词: Natural interface;Adaptive gesture recognition;Gesture semantic features;Gesture acquisition based vision;Gesture interactive application

成为VIP会员查看完整内容
0

相关内容

深度学习在路由问题中的最新进展
专知会员服务
18+阅读 · 2022年3月6日
视觉深度伪造检测技术综述
专知会员服务
34+阅读 · 2022年1月28日
【AAAI2022】通过自训练加强反事实分类
专知会员服务
24+阅读 · 2021年12月10日
深度学习人脸特征点自动定位综述
专知会员服务
23+阅读 · 2021年12月1日
专知会员服务
31+阅读 · 2021年10月11日
面向数据可视化的自然语言接口: 综述论文
专知会员服务
19+阅读 · 2021年9月12日
专知会员服务
61+阅读 · 2021年3月12日
基于深度学习的手语识别综述
专知会员服务
46+阅读 · 2020年5月18日
FAQ | 为大屏幕设备构建应用的常见问题解答
谷歌开发者
0+阅读 · 2022年2月19日
深度学习人脸特征点自动定位综述
专知
0+阅读 · 2021年12月1日
CVPR2021-单目实时全身捕捉的方法
专知
0+阅读 · 2021年3月18日
【CVPR2021】细粒度多标签分类
专知
44+阅读 · 2021年3月8日
学会原创 | 自然语言的语义表示学习方法与应用
中国人工智能学会
11+阅读 · 2019年3月7日
人体骨骼关键点检测综述
极市平台
21+阅读 · 2018年6月29日
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
6+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
An Attentive Survey of Attention Models
Arxiv
44+阅读 · 2020年12月15日
Arxiv
21+阅读 · 2020年10月11日
小贴士
相关VIP内容
深度学习在路由问题中的最新进展
专知会员服务
18+阅读 · 2022年3月6日
视觉深度伪造检测技术综述
专知会员服务
34+阅读 · 2022年1月28日
【AAAI2022】通过自训练加强反事实分类
专知会员服务
24+阅读 · 2021年12月10日
深度学习人脸特征点自动定位综述
专知会员服务
23+阅读 · 2021年12月1日
专知会员服务
31+阅读 · 2021年10月11日
面向数据可视化的自然语言接口: 综述论文
专知会员服务
19+阅读 · 2021年9月12日
专知会员服务
61+阅读 · 2021年3月12日
基于深度学习的手语识别综述
专知会员服务
46+阅读 · 2020年5月18日
相关资讯
FAQ | 为大屏幕设备构建应用的常见问题解答
谷歌开发者
0+阅读 · 2022年2月19日
深度学习人脸特征点自动定位综述
专知
0+阅读 · 2021年12月1日
CVPR2021-单目实时全身捕捉的方法
专知
0+阅读 · 2021年3月18日
【CVPR2021】细粒度多标签分类
专知
44+阅读 · 2021年3月8日
学会原创 | 自然语言的语义表示学习方法与应用
中国人工智能学会
11+阅读 · 2019年3月7日
人体骨骼关键点检测综述
极市平台
21+阅读 · 2018年6月29日
相关基金
国家自然科学基金
2+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
6+阅读 · 2011年12月31日
国家自然科学基金
1+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员