导读:本文包含了交互算法论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:手势,模型,人机,知识库,算法,质心,卡尔。
交互算法论文文献综述
李尊尊,胡琦瑶,孙培壮,齐锦[1]（2019）在《基于手势识别的人机交互算法研究》一文中研究指出随着人机交互技术的日益成熟,人机交互技术中的手势识别已成为计算机视觉领域的一个重要课题,而手势交互是人机交互中的一种重要方式。手势识别技术日益受到社会各界的广泛关注。虽然手势识别技术应用广泛,但是存在诸多困难与挑战,尤其是动态手势识别。动态手势的挑战主要来自不可预测的环境和手势识别特性,例如光照变化、与手势特征近似的背景区域干扰、目标遮挡等。基于此,研究了一种基于手势识别算法的人机交互系统。手势识别算法包括图像采集、二值化处理、质心计算、数据筛选和方向量化。(本文来源于《信息与电脑(理论版)》期刊2019年16期）
冯志全,乔宇,冯仕昌,周晓燕,徐涛[2]（2019）在《多种手势对应同一语义的柔性映射交互算法的研究》一文中研究指出针对智能交互界面中手势识别错误导致交互界面变化错误和手势不识别两个基本问题,本文设计并实现了基于手势交互的智能教学界面,该系统可以通过获取教师的手势信息与教师进行交互.主要创新点在于提出了多种手势对应同一语义的柔性映射交互算法.本文选取了14种自然交互手势,分析了对应同一语义的多种手势之间的共同特征.实验结果显示,该算法能够有效降低用户负荷.该算法已经用于一个基于手势交互的智能教学系统界面中.(本文来源于《电子学报》期刊2019年08期）
邹刘磊,徐安琦,张震,朱洪锦,范洪辉[3]（2019）在《一种空间数据结构加速的顶点与地形实时交互算法》一文中研究指出针对动态场景的实时交互式渲染中,离散碰撞检测算法导致的"穿模"现象,提出一种新的顶点与地形实时交互算法,并利用空间数据结构进行加速。算法利用顶点与模型表面多边形的空间位置关系,首先计算顶点在当前模型移动后的位置,然后计算本次移动与其他模型的相交情况,将移动沿路径依次分解到每个经过的面上,以此计算移动轨迹与终点位置。算法可通过层次包围盒、八叉树、KD树等各类现有的空间数据结构进行加速。使用八叉树,设计并实现了简易的场景漫游与寻路,以此为实验环境进行性能分析。实验数据证明,该方法能够满足实时性的要求,并且具有较高精度。(本文来源于《江苏理工学院学报》期刊2019年02期）
袁寒寒[4]（2017）在《基于多模型交互算法在叁维定位导航中的应用与研究》一文中研究指出随着交通问题的日益严重,为了避免交通拥堵,分流车辆,常常在交叉道路建立立交桥,传统的二维平面定位已经不能满足这种叁维复杂路径的定位需求,经常会出现将桥上定位到桥下这种情况。因此,需要对车辆的高度位置进行准确的定位。为此,可以考虑添加高度测量工具,再通过合适的滤波算法对数据进行分析处理,提高车辆的定位精度。本文选用GPS提供的高程信息,添加气压高度表测量的相对高度作为车辆高度位置的系统观测量,采用无迹Kalman滤波在非线性系统模型下对车辆的高度位置信息进行滤波估计。通过仿真发现,采用无迹Kalman滤波能够较好的对车辆的高度位置进行定位估计。但是,当车辆的状态参量发生变化时,比如加速、转弯等情况出现时,会发生定位误差增大,桥梁之间的高度差又比较小,需要的定位精度较高,这时候就不能满足定位精度的要求。针对此问题,本文将交互多模型算法结合到无迹Kalman滤波中,使算法具有自适应性。通过多次模拟仿真发现,此算法能够及时应对车辆行驶过程中的机动变化,在本文模拟的多个立交桥场景中,能够做到实时的确定车辆的高度信息,将车辆具体定位到哪一层上。相较于无迹Kalman滤波,整体的精度也能提高30%左右。同时,也解决了特种车辆(如交通巡警)对位置、速度实时监控的问题,更方便管理和资源调配。在本文的研究中还发现,立交桥多采用路段交叉模型,同一路段不同车道分叉出不同高度的路径,通往不同方向。此时,高度方向的定位精度就不能分辨分叉路径选择的问题,而这往往也是巨型立交场景下最容易造成迷路、绕路的现象。因此,本文在之前仿真叁维位置方向高精度定位的基础上,融合车道级GIS,解决如何将车辆定位到某一车道的问题,从而从源头上解决路段分叉的选择。本文的研究可以为复杂叁维路径下的车辆定位提供参考,对智能交通系统中如何确定车辆的位置、速度等状态信息也有一定的帮助。(本文来源于《南京邮电大学》期刊2017-10-26）
冯志全,梁丽伟,徐涛,杨晓晖,刘弘[5]（2017）在《虚拟装配交互界面中的隐式交互算法研究》一文中研究指出针对现有虚拟装配系统中交互是以设备为中心的显式交互,不能有效地感知用户操作意图,用户认知负担和操作负担较高的问题,为了提高虚拟装配系统的智能性,将隐式人机交互引入虚拟装配系统,提出一种基于场景任务的用户意图感知算法.首先建立场景知识模型和用户知识模型,并分别构建显式交互知识库和隐式交互知识库;然后利用专家系统推理用户显式操作意图和隐式操作意图,实现人手向目标位置平移时场景主动拉近和抓放场景物体时物体主动旋转2种情景下的人机相向互动.实验结果表明,该算法实现了人机协同交互,降低了用户的操作负担和认知负担.(本文来源于《计算机辅助设计与图形学学报》期刊2017年10期）
杨喆[6]（2017）在《基于无人机平台的目标检测与人机交互算法研究》一文中研究指出近年来,随着无人机控制技术的日趋成熟和人工智能技术的蓬勃发展,多旋翼无人机除了执行传统的航拍、植保、战地侦查等任务之外,还被赋予了主动跟踪目标,自主目标识别等智能功能。目前,多旋翼无人机大部分的应用还是集中在民用娱乐方面,而无人机的人机交互方式仍主要依赖于较为复杂的遥控器控制,遥控器较大的体积妨碍了小型多旋翼无人机的便携性,遥控器控制的操纵不便性阻碍了无人机使用人群的推广。因此,需要设计一种不依赖于外接设备的智能人机交互方法。人体姿态信息较为明显且对人较为亲和,通过计算机视觉与人工智能技术,对人体姿态信息进行识别,就可以完成人机交互任务。首先,针对无人机在空中飞行时机械振动造成拍摄画面抖动的情况,采用中心区域模板匹配的方法,在算法上实现了对无人机机械振动的补偿,使得画面较为稳定并易于后续算法处理。接着,对图像中的人体目标进行检测。考虑使用了两种解决方案,分别用于地面站和机上处理情况。第一种是使用结构复杂,运算量大的卷积神经网络检测器Faster R-CNN完成候选区域的生成,目标种类的分类与人体目标位置的定位,该方法准确度高,能够适应复杂的背景环境,但运算量庞大,无法在机载嵌入式计算平台上实现实时性。另一种是使用前景信息提取的方法生成候选框,再使用结构较为简单的卷积神经网络完成分类任务,该方法需要先对场景信息进行建模,但运算量小,可以在机载嵌入式平台上实现实时性。然后,对检测到的人的姿态信息进行识别。为了确定检测到的人是否为需要进行人机交互的对象,设计了一个挥手动作检测器作为人体姿态信息检测器的开关,增强了系统的安全性。对通过了挥手动作检测的对象,设计了4种明显的姿势,无人机通过对姿势种类的识别完成人机交互任务。为了提高运行速度并充分利用已处理信息,将框选到的目标前景信息直接作为特征输入多层全连接神经网络进行识别。最后,将算法移植到了机载嵌入式设备上并进行了飞行实验验证。结果表明,系统能够在保持较高识别准确率的同时实现了机上处理的实时性,能够很好的完成人机交互任务。(本文来源于《哈尔滨工业大学》期刊2017-06-01）
张乐,戴广军,朱凯,朱浩瑜,余雷[7]（2017）在《基于Kinect的动态手势识别交互算法》一文中研究指出介绍Kinect硬件及隐马尔科夫模型,着重阐述了隐马尔科夫模型在手势识别中的评估、解码和训练方面的算法,并进行实验验证与分析。(本文来源于《自动化应用》期刊2017年01期）
袁枫,赵玉生,罗军,叶青[8]（2016）在《基于手部动作的人机交互算法实现》一文中研究指出本文针对智能人机交互,提出可以基于手部动作进行人机交互的观点。在智能人机交互控制行业起到一定的推动作用。如付诸现实将产生一定的经济效益。(本文来源于《中国科技信息》期刊2016年20期）
李冰清[9]（2016）在《基于声图像的弱小运动目标检测跟踪交互算法研究》一文中研究指出要实现对目标的跟踪,常规先要完成对目标的检测,再对目标进行跟踪。但是在水下强噪声杂波干扰背景下,弱小目标由于接收到的回波信噪比低,分辨单元数较少,对接收的声图像进行恒虚警(CFAR)检测时,检测概率会急剧降低、虚警目标增多,在降低系统的检测效率的同时,也会影响目标的跟踪效果。因此本文主要对动目标检测跟踪交互算法进行研究,意在提高目标检测效率、进而改善目标跟踪性能,对目标进行实时监测。首先,本文对基于声图像的目标检测算法进行研究。利用FFT波束形成、契比雪夫幅度加权、近场聚焦建立声图像,利用扇形变换可以对声图像进行坐标系的转换。采用CFAR图像域检测算法对单帧声图像进行检测,分析保护窗大小、虚警概率对CFAR检测影响,对不同信噪比下的声图像进行检测。随着信噪比的降低,目标的检测效果越来越差,为了改善检测效果,建立一种基于CFAR-Hough变换的多帧积累声图像的动目标检测算法。该算法在低信噪比下虽然能够实现对目标的良好检测,但Hough变换的参数需要在不同信噪比下进行重新设定,因此算法存在一定的局限性。其次,对动目标跟踪算法与数据互联算法进行研究。利用卡尔曼滤波对目标进行跟踪,通过航迹波门、贝叶斯数据互联方法确定点迹与点迹、点迹与航迹间的正确互联关系,仿真分析量测初始误差、杂波密度、波门大小、目标检测概率对最近邻域标准滤波器、概率最近邻域法、概率数据互联方法跟踪性能的影响。仿真发现,目标检测概率影响着系统的跟踪效果,如果能有效提高目标的检测概率,那么目标的跟踪精度也会得到一定幅度的提升。最后,研究了基于声图像的动目标检测跟踪交互算法。将CFAR-Hough算法与2/3快速起始逻辑法相结合,得到良好的航迹起始状态。建立交互算法框图,给出算法具体流程,并对该算法进行仿真性能分析。采用交互算法对目标进行监测,对跟踪目标进行航迹外推,预测出目标下一时刻可能出现的位置区域,这些信息可以作为检测单元的先验信息,对该区域进行细致的目标检测,提高检测效率,利用数据互联去除波门内的虚假目标,改善目标的跟踪性能。(本文来源于《哈尔滨工业大学》期刊2016-07-01）
刘森镇[10]（2015）在《基于散斑的3D体感交互算法研究》一文中研究指出近年来,如何实现人与计算机之间自由且便捷地交互逐渐成为国内外学者的一个研究热点,特别是随着人工智能、机器视觉及相关硬件设备的不断发展,体感交互技术作为人机交互的一个重要研究方向,可以在人机不接触的情况下,通过人的肢体动作自然地完成与机器的信息交互。本文针对基于光学感测的体感交互技术中两个主要构成部分,即叁维重建和人体姿态估计进行了重点研究,为了实现一种实时准确的体感交互方法,完成的主要工作内容有:在叁维重建中,采用了一种基于散斑的叁维重建算法,该算法首先利用零均值归一化互相关算子(ZNCC)求取散斑图像的视差;然后利用叁角化测量公式根据视差值求取目标场景的深度值。由于体感交互算法对深度重建的准确性和实时性有较高的要求,本文在已有算法基础上为了解决传统重建匹配算法在视差不连续区域误匹配问题,引入了分阶段重建思想针对视差连续和非连续区域分别采用“赢者通吃”和种子生长策略完成深度重建;另外为了降低散斑图像亮度不均衡对重建结果的影响,采用了ZNCC相关算子,提高了匹配计算的抗噪性和光照适应性;最后为解决ZNCC算子的冗余计算问题,在GPU并行计算架构和ZNCC改进公式的基础上,采用积分图和前缀加法加速视差求取过程,提高了深度重建的效率。在人体姿态估计中,本文参照J.Shotton等人的算法思路,在深度数据的基础上将姿态估计问题看作是对深度像素的分类问题,通过随机森林算法完成姿态分类器的训练,通过mean shift算法提取人体关节点。在分类器训练过程中,针对训练数据的特征空间维度过高问题,采用了基于特征预筛选方法以去除无效特征;另外为了提高人体姿态预测的准确性,根据姿态动作的特点在决策树的组合中引入了分层决策思想。最后,针对本文的研究内容进行了相关的实验验证工作,实验结果表明所提方法实时有效。(本文来源于《河北工业大学》期刊2015-12-01）
交互算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对智能交互界面中手势识别错误导致交互界面变化错误和手势不识别两个基本问题,本文设计并实现了基于手势交互的智能教学界面,该系统可以通过获取教师的手势信息与教师进行交互.主要创新点在于提出了多种手势对应同一语义的柔性映射交互算法.本文选取了14种自然交互手势,分析了对应同一语义的多种手势之间的共同特征.实验结果显示,该算法能够有效降低用户负荷.该算法已经用于一个基于手势交互的智能教学系统界面中.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
交互算法论文参考文献
[1].李尊尊,胡琦瑶,孙培壮,齐锦.基于手势识别的人机交互算法研究[J].信息与电脑(理论版).2019
[2].冯志全,乔宇,冯仕昌,周晓燕,徐涛.多种手势对应同一语义的柔性映射交互算法的研究[J].电子学报.2019
[3].邹刘磊,徐安琦,张震,朱洪锦,范洪辉.一种空间数据结构加速的顶点与地形实时交互算法[J].江苏理工学院学报.2019
[4].袁寒寒.基于多模型交互算法在叁维定位导航中的应用与研究[D].南京邮电大学.2017
[5].冯志全,梁丽伟,徐涛,杨晓晖,刘弘.虚拟装配交互界面中的隐式交互算法研究[J].计算机辅助设计与图形学学报.2017
[6].杨喆.基于无人机平台的目标检测与人机交互算法研究[D].哈尔滨工业大学.2017
[7].张乐,戴广军,朱凯,朱浩瑜,余雷.基于Kinect的动态手势识别交互算法[J].自动化应用.2017
[8].袁枫,赵玉生,罗军,叶青.基于手部动作的人机交互算法实现[J].中国科技信息.2016
[9].李冰清.基于声图像的弱小运动目标检测跟踪交互算法研究[D].哈尔滨工业大学.2016
[10].刘森镇.基于散斑的3D体感交互算法研究[D].河北工业大学.2015
论文知识图
