手勢識別裝置的設計與實現

A. 設計「手勢識別與跟蹤」這個課題，一般要用到什麼軟體matlab能實現嗎

現在關鍵的問復題根本就不是開制發軟體而是演算法和硬體環境搭建好么。。。
Matlab常用做演算法的模擬，當然也包括圖像和視頻處理的演算法。
C/C++下有免費開源的計算機視覺庫OpenCV，編程上的復雜度不會比matlab高很多。
當然上面討論的前提是你同時會用這兩種開發語言。
但是如果有特殊硬體的話matlab可能就不如C/C++好用了，我只是說一般情況。
你現在關鍵是要去查論文看人家的實驗環境和演算法，而不是關心演算法用什麼語言實現。

B. 如何寫一個簡單的手寫識別演算法

移動設備多用手勢進行輸入，用戶通過手指在屏幕上畫出一個特定符號，計算機識別出來後給予響應的反應，要比讓用戶點擊繁瑣的按鈕為直接和有趣，而如果為每種手勢編寫一段識別代碼的話是件得不償失的事情。如何設計一種通用的手勢識別演算法來完成上面的事情呢？

我們可以模仿筆記識別方法，實現一個簡單的筆畫識別模塊，流程如下：

第一步：手勢歸一化

1. 手指按下時開始記錄軌跡點，每劃過一個新的點就記錄到手勢描述數組guesture中，直到手指離開屏幕。

2. 2. 將gesture數組里每個點的x,y坐標最大值與最小值求出中上下左右的邊緣，求出該手勢路徑點的覆蓋面積。

3. 3. 手勢坐標歸一化：以手勢中心點為原點，將gesture里頂點歸一化到-1<=x<=1, -1<=y<=1空間中。

4. 4. 數組長度歸一化：將手勢路徑按照長度均勻劃分成32段，用共32個新頂點替換guestue里的老頂點。

5. 第二步：手勢相似度

6. 1. 手勢點乘：g1 * g2 = g1.x1*g2.x1 + g1.y1*g2.y1 + … + g1.x32*g2.x32 + g1.y32*g2.y32

7. 2. 手勢相似：相似度(g1, g2)=g1*g2/sqrt(g1*g1 + g2*g2)

8. 由此我們可以根據兩個手勢的相似度算成一個分數score。用戶輸入了一個手勢g，我們回合手勢樣本中的所有樣本g1-gn打一次相似度分數，然後求出相似度最大的那個樣本gm並且該分數大於某個特定閥值（比如0.8），即可以判斷用戶輸入g相似於手勢樣本 gm !
   

C. 人臉識別系統品牌商，請問國內比較厲害的人臉識別公司是哪一家

國內人臉識別做的較好的公司有商湯科技、北京曠視科技、上海依圖網路科技、阿里、騰訊。

相關介紹：

1、商湯科技：

商湯科技所推出的包括人臉識別、圖像識別、文字識別、圖像視頻分析、圖像及視頻編輯、智能監控、自動駕駛、遙感、醫療影像識別等各類智能視覺技術。

2、北京曠視科技：

曠視的核心技術是計算視覺及感測技術相關的人工智慧演算法，包括但不限於人臉識別、人體識別、手勢識別、文字識別、證件識別、圖像識別、物體識別、車牌識別、視頻分析、三維重建、智能感測與控制等技術。

5、騰訊：

騰訊旗下的騰訊優圖成立於2012年，遵循公司「一切以用戶價值為依歸」的理念以及「研究成果落地才能產生價值」的原則，在人臉識別、圖像識別、聲音識別三大領域擁有數十項領先技術，具備千億規模的多媒體大數據計算能力。

D. IOS開發，UIGestureRecognizer和UITouch的區別30分求解！

gesture是手勢 各種 什麼縮放啊 平移 旋轉之類的 touch就是點擊 差很多。。很多touch才形成一個手勢

E. 怎麼利用紅外感測器，使人接近物體一定距離而發出警告類似自動門上的。。。

在消費電子產品中，接近感應作為一種探測用戶身體或手部存在的方法，越來越為人們所接受。該技術也能夠用於動作感應，如檢測用戶手勢。用戶手勢作為一種輸入，可以應用於許多設備，如手機、計算機和其他家用電子產品。
要理解動作感應系統設計的理論基礎，需要了解紅外線(IR)與可見光的差異，探討接近和動作感應系統如何在單一LED 下運行，以及動作感應在使用多個LED 進行多接近測量時如何工作。

當我們談及「光」時，通常指的是來自太陽或燈具的可見光，然而，可見光僅佔光譜范圍中的一小部分。我們把可見光定義為人眼可以識別的所有光線，通常人眼可以識別的光線波長為380-750nm。那麼，人眼無法識別的非可見光（如波長為850 nm 光）又如何呢？

IR 輻射光的波長為750nm-1000μm，IR 光與可見光有著相同的特性，例如反射率，而且它可以通過特殊燈泡或發光二極體生成。因為人眼無法看到IR 光，所以我們可以用它來完成一些特殊的人機界面任務，例如接近檢測，而無需用戶與系統進行任何直接接觸。

IR 接近感測系統能夠檢測附近物體的存在，並根據檢測結果做出反應。IR 接近檢測的應用無處不在。 例如，手機可以使用接近感測技術檢測通話時手機是否接近面部。當你把手機靠近耳邊時，手機將檢測 到頭的存在，從而自動關閉屏幕以節省電能。其他接近感應系統的例子包括皂液器和飲水機，你可以把 手放在感測器附近（通常在皂液管或水龍頭附近），以「非接觸」而又衛生的方式獲取皂液或水。

在高端 汽車上，外部防碰撞系統也使用接近檢測，當汽車與其他汽車或者物體太靠近時，接近檢測會提醒司機 注意。有些車輛還可以使用車內接近感應系統檢測乘客的存在，從而調整安全裝置（如安全氣囊）。 接近檢測通過專門設計的IR LED 實現。與IR LED 相對應的是光電二極體，它一般用來檢測LED 發出 的IR 光。當IR LED 和光電二極體同方向放置時，光電二極體將不會檢測到任何IR 光，除非有物體在 LED 的前面，將光反射回光電二極體。反射回光電二極體的光強與物體到光電二極體的距離逆向相 關。

圖 1：一維空間動作檢測

單一 LED 和光電二極體相結合可以檢測一些動作，例如可以檢測物體是否靠近或遠離光電二極體，這 僅僅是一維空間檢測。假設一個系統，其布局如圖1 所示，單一LED 系統僅使用LED1 與IR 感測器。 圖2 是三個手勢動作過程中Silicon Labs Si1120 感測器感應IR LED 後的輸出值，其中Y 軸是反射的 IR 光強，X 軸是時間。三個手勢包括沿圖1 X 軸從左到右的滑動，沿Y 軸從底部到頂部的滑動，以及 沿Z 軸由遠及近，然後由近及遠的往復動作。圖2 表明，單一LED 系統不能區分這些手勢，使用單一 LED，系統只能檢測到物體正在接近或遠離感測器，而不能判別其方向。

圖 2：單一LED 系統性能分析

二維空間檢測由位於不同位置的兩個LED 和單個光電二極體組成。從LED1 得到一個測量值，然後快 速從LED2 獲得另一個測量值，兩個測量值被用於計算二維空間上的物體位置。其中一維空間是接近 LED1（左）或接近LED2（右），而另一維空間是接近或遠離光電二極體。圖3 是與圖2 相同的三個 手勢，其中白線代表從LED1 中讀出的數據，紅線代表從LED2 讀出的數據。從左到右滑動過程中，白 線上升，然後是紅線。當手從左到右滑動時，LED1 反射IR 光到感測器，然後是LED2。圖 3：二維空間中手勢性能分析

三維空間動作檢測由三個LED 和單個光電二極體組成。LED3 與LED1、LED2 不在同一直線上，如圖 1 所示，可以把LED1 和LED2 之間的連線看作X 軸，LED1 和LED3 之間的連線看作Y 軸，從光電二 極管和LED 到被測物體之間的連線看作Z 軸。圖4 顯示了與圖2 和圖3 相同的測量過程，其中藍線代 表LED3 的測量數據。當手從左向右滑動時，因為手在LED1 和LED3 上同時通過，LED1 和LED3 數 據線同時上升，然後是LED2 數據線。當手從底部向頂部滑動時，因為手先遇到來自LED3 的IR 光， LED3 數據線上升，然後是LED1 和LED2。當往復動作時，因為手在整個過程中都反射等量的LED 光，三個LED 測量值是相同的。圖 4：加入LED3 後，三維空間中動作性能分析

當 IR LED 和IR 感測器應用於產品時，這些組件通常不會用作裝飾目的而放在外面，終端產品至少需 要一個開口或透明窗口，讓IR 光透過。

IR LED 從窗口中照射出，被外部物體反射後，通過窗口進入Si1120 感測器。單一窗口配置的主要缺點 是：窗口將導致一些光線被內反射到Si1120，即使在檢測范圍內沒有外部物體時，大量反射光也可能 導致感測器輸出。

雙窗口設計使用其中一個窗口用於IR LED，另一個窗口用於感測器。通過在LED 和感測器之間進行適 當的隔離，設計消除了內部反射的問題，為系統提供更好的敏感性和檢測范圍。

對於 IR 接近感應系統設計而言，選擇何種IR LED 是一項非常重要的決定。IR LED 視角對最大檢測距 離和范圍有很大影響。從LED 射出的IR 光形成一個圓錐狀，圓錐頂角（大多數LED 能量從這里輸 出）被稱為LED 視角。圖 5：窄視角和寬視角IR LED 的差異

所有的 LED 都有一個特定的視角，一個窄視角LED 意味著發出的能量更加集中，比寬視角LED 照射 的更遠。這意味著使用窄視角IR LED 將在窄檢測區域中形成更遠的檢測范圍，圖5 說明了窄視角和寬 視角IR LED 的差異。

當設計 IR 系統時，系統中被測物體的特點也是需要重點考慮的。除了用於檢測手勢，IR 接近感應系統 也能被用於檢測無生命物體，如車庫門（打開或關閉）。檢測較大物體時，由於有更多的IR 光被反 射，檢測距離將更遠。物體的顏色是另一個需要考慮的因素，因為IR 光與可見光有相同特性，淺色物 體比深色物體反射更多光線。物體的顏色越深，越要接近IR 系統，因為僅有來自IR LED 的少量IR 光 被反射到IR 感測器。

在消費電子、工業和汽車領域應用中，許多電子系統從非接觸式反射中受益。IR 接近感應為需要檢測 物體存在的系統提供了一個最佳方法。接近感應也可用於檢測最多三維空間內的動作，甚至是手勢，使 得下一代電子產品的人機界面更先進、更直觀。(主講：Alan Pang，Silicon Labs 作者：Alan Sy，Silicon Labs)

F. VR眼動跟蹤技術和VR手勢識別技術哪個好

手勢識別
手勢能夠將物理動作描述成無聲的語言交流，它能傳遞人的想法、情緒及某些指令信息。手勢識別可以來自人的身體各部位的運動，但一般是指臉部和手的運動。在交互設計領域，人們可以使用一隻手或兩只手對相關設備進行操作，根據不同的應用目的,手勢可以分為控制手勢、對話手勢、通信手勢和操作手勢。
它被認為是計算機對運動所進行的解釋，一種新的感知計算方式，通過運動感測器和加速儀運用各種編程演算法，允許人們通過手勢識別對控制設備執行命令。

手勢識別在VR中的重要性及其原因
虛擬現實是由計算機根據現實與想像空間生成的一種模擬環境，讓用戶具有身臨其境的沉浸感，通過各種交互行為刺激用戶的視覺、觸覺、聽覺等感知系統，從而建立全方位的感官體驗。
目前，人們的體驗常常受制於VR頭顯和不夠自然的交互方式。相比之下，手勢識別能夠在虛擬環境中，賦予人們貼近現實生活的手勢導航和控制能力，建立最直接的人機交互方式。

將手勢識別技術應用於虛擬現實
虛擬現實環境想要具備完全的沉浸感，就這意味著需要在計算機創造的空間內精確的模擬現實世界中最細微的動作、振動及變化。這其中發揮首要作用的就是感測器技術。
它負責監測和記錄人們運動的速度、方向甚至是最簡單的垂直和水平位移狀態。通過處理這些實時的運動數據，結合復雜的計算機演算法，VR系統才能重建出我們所熟知的世界。那麼，在這些大量的工作背後，手勢識別具體經歷了幾個工作階段呢？大致可分為以下四個：

1.數據採集或手勢圖像收集階段
這是將手部、身體或者臉部的動作輸入數據進行分類採集的階段。
2.手勢圖像預處理階段
這一步是利用邊緣檢測、濾像和歸一化處理等技術捕捉主要的手勢特徵，並將其輸入到用於手勢識別的模型中。
3.圖像追蹤階段
這一階段是對預處理圖像進行深入追蹤，通過感測器捕獲具體動作的方向，確定運動對象的空間位置。這需要藉助外部的多種追蹤器才能實現，如磁性、光學、聲學、慣性等方面的感測設備。
4.識別階段
以上的所有階段都是為了最終的識別做准備，在成功提取手勢特徵的圖像跟蹤後，這些數據就會被儲存在由復雜經網路或決策樹構建的系統中，並進行該手勢意義及命令的判斷與分析工作。至此，手勢信息已被正式識別，分類器可根據提取的規則特徵進行手勢分類，以獲得手勢識別的結果。

手勢識別需要的支持設備
為了能夠使手勢識別技術真正面向市場，還需要藉助各種電子工具和輸入設備。從觸覺、視覺和動作捕捉方面進行分類，可發現諸如，監測手指彎曲程度的手套裝備、測量加速度和旋轉角度的感測器裝置、以及利用深度感知攝像機捕捉3D姿態的視覺處理設備。
眼動追蹤
然而，作為說明用戶的可能意圖或注視點這樣的一般情景信號，眼動追蹤非常有用。許多眼動追蹤的用例將會在後台工作，可能包括以下內容：
1.圖形渲染資源分配：如果一個人正在注視某個地方，更多的圖形渲染資源可以在這個大方向上分配。這樣給定的渲染功率可以提供更高質量的輸出。
2.數據預取：某些VR數據操作需要一定的時間才能完成，例如。於在線資料庫中查找東西。如果一個人在特定方向上掃視，那在他選擇要與之交互之前，數據讀取可以在後台開始。這改善了VR環境中的感知響應性，這對移動數據網路尤為有用。
3.多模式智能3D對象選擇：對於VR，在雜亂的環境中指向小對象可能相當困難。眼動追蹤可以通過把眼動信息與控制器輸入組合來幫助消除選擇歧義，讓用戶更准確地選擇對象。
4.自動頭顯校準：知道用戶眼睛注視位置的頭顯可以更好地調整自己的圖像輸出參數，以獲得最佳的用戶舒適度。
5.平衡操作：前庭眼反射是一種眾所周知的自動反應，會把眼球運動與前庭系統的變化聯系起來。知道眼睛運動和頭顯運動(通過加速度計)將可以對用戶前庭系統的可能狀態進行判斷，因此可實現系統性操作，或可能在VR使用期間減少暈動症的影響。
所以，眼動跟蹤技術和手勢識別技術對於vr體驗都是很重要的，兩個功能缺一不可，更多信息請看ARA聯盟。

G. 求計算機科學與技術畢業論文題目

你的計算機科學與技術論文准備往什麼方向寫，選題老師審核通過了沒，有沒有列個大綱讓老師看一下寫作方向？
老師有沒有和你說論文往哪個方向寫比較好？寫論文之前，一定要寫個大綱，這樣老師，好確定了框架，避免以後論文修改過程中出現大改的情況！！
學校的格式要求、寫作規范要注意，否則很可能發回來重新改，你要還有什麼不明白或不懂可以問我，希望你能夠順利畢業，邁向新的人生。

論文選題的具體方法有哪些

在選題的方向確定以後，還要經過一定的調查和研究，來進一步確定選題的范圍，以至最後選定具體題目。下面介紹兩種常見的選題方法。

1、瀏覽捕捉法
這種方法就是通過對佔有的文獻資料快速地、大量地閱讀，在比較中來確定題目的方法。
瀏覽捕捉法一般可按以下步驟進行：
第一步、廣泛地瀏覽資料。在瀏覽中要注意勤作筆錄，隨時記下資料的綱目，記下資料中對自己影響最深刻的觀點、論據、論證方法等，記下腦海中涌現的點滴體會。
第二步、是將閱讀所得到的方方面面的內容，進行分類、排列、組合，從中尋找問題、發現問題，材料可按綱目分類。
第三步、將自己在研究中的體會與資料分別加以比較，找出哪些體會在資料中沒有或部分沒有。

2、追溯驗證法
這是一種先有擬想，然後再通過閱讀資料加以驗證來確定選題的方法。
追溯可從以下幾方面考慮：
第一步、看自己的「擬想」是否對別人的觀點有補充作用，自己的「擬想」別人沒有論及或者論及得較少。
第二步、如果自己的「擬想」雖然別人還沒有談到，但自己尚缺乏足夠的理由來加以論證，考慮到寫作時間的限制，那就應該中止，再作重新構思。
第三步、看「擬想」是否與別人重復。如果自己的想法與別人完全一樣，就應馬上改變「擬想」，再作考慮；如果自己的想法只是部分的與別人的研究成果重復，就應再縮小范圍，在非重復方面深入研究。
第四步、要善於捕捉一閃之念，抓住不放，深入研究。在閱讀文獻資料或調查研究中，有時會突然產生一些思想火花。

H. 三軸加速度感測器 怎麼手勢識別

針對手勢交抄互中手勢信號的相似性襲和不穩定性，設計實現一種基於三軸加速度感測器的手勢識別方案。採用MMA7260加速度感測器採集主手腕的手勢動作信號，根據手勢加速度信號的特點，進行手勢動作數據窗口的自動檢測、信號去噪和重采樣等預處理，通過提取手勢動作的關鍵特徵，構造離散隱馬爾可夫模型，實現手勢動作識別。實驗結果證明該方案的識別精度較高。

I. 除了攝像頭，還有沒有更好用的3D手勢識別方法

人機交互可以算是對電子產品的用戶體驗影響最直接的一個技術。當年蘋果藉由電容觸控屏，將鍵盤、滑鼠、軌跡球等一眾技術拉下馬的景象，相信很多人還記憶猶新。而今天，人機交互技術似乎又來到了升級換代的門檻上，誘惑著開發者和用戶往裡走的種種因素中，手勢識別技術絕對算是最強的一股力量，特別是3D手勢識別。畢竟，舉手投足間就可以讓電子設備對用戶的「心思」做出響應，將是一件很酷的事情。
與觸控技術在2D平面上的寫寫畫畫相比，3D手勢識別加上了一個Z軸「深」度的測量，使其可以承載更多人機交互信息，可以實現非接觸的感應和控制，給產品的設計帶來更大的想像空間。3D手勢識別最為知名的應用，恐怕要算是微軟推出的體感游戲外設Kinect了。它讓游戲玩家拋棄了游戲手柄，通過肢體的運動直接操控游戲。在此之後，各種基於光學的3D手勢識別技術逐漸發展起來。它們通過光柵、紅外發光器件、多攝像頭等不同方式完成對三維空間中Z軸方向運動的偵測，實現3D的手勢（或身體姿態）識別。
不過光學3D手勢識別還是有一定的技術門檻，想要玩轉不是一件容易的事，有些技術還需要進一步實用驗證和打磨。這對於那些希望盡快推出商用產品，在3D手勢識別領域「嘗鮮」的開發者來說，並不是好消息。因此，其他一些非光學的3D手勢識別技術就成為人們的重要選項。圖1：基於電場感應的GestIC技術原理
其中比較有代表性的，要數Microchip公司的GestIC技術。它基於電場感應的原理，在電子設備周邊的空間中形成一個電場。當手部在空間中運動時會使電場發生畸變，布設在電場中的電極接收器會感應到這種變化，並通過專門的控制晶元進行信號處理，對手勢進行識別和運動追蹤，並將數據傳遞給電子設備做出響應。Microchip代理商世健公司產品經理介紹，與採用攝像頭的光學3D手勢識別技術相比，GestIC技術最大的優勢在於功耗極低，能耗節省多達90%，同時能避免環境光等外部因素的干擾，雖然是一個近場識別技術，但其在家庭自動化、家電控制、音響系統、電腦及配件、汽車電子等方面，會有諸多應用場景。圖2：GestIC的拓撲結構
Microchip專門為GestIC技術開發出MGC3030和MGC3130兩個專用的3D手勢識別和運動跟蹤控制器晶元，片上集成的Colibri手勢識別套件，Colibri套件結合了隱馬爾可夫模型（HMM）和x/y/z手部位置矢量，能夠識別多種3D手勢，其中MGC3130還可以實現x/y/z三維空間中的精準定位。同時，Microchip還提供了多種開發工具和Aurea評估模擬軟體，滿足不同開發者的需要，幫助他們快速進入Design-in階段，設計出能夠商用的產品。在2015年底Microchip還推出了整合3D手勢識別和2D多點觸控功能的控制器MGC34xx，以及配套的開發工具DM160225。這種2D+3D手勢識別的復合設計理念，給人機交互界面的設計帶來了更大的靈活度和可能性。作為Microchip的授權代理商，世健公司在該領域積累了多年經驗，並已經完成初步開發，在風扇和LED產品中均有應用，客戶只需根據自身需要進行二次開發即可。
在新技術面前，等待和觀望是讓人糾結的。GestIC恰好是這樣一種技術：能讓你在新一代人機交互技術興起時，快速地行動，搭上一班通往3D手勢識別市場的直通車。
圖3：GestIC技術可識別的3D手勢和動作