手势识别装置的设计与实现

A. 设计“手势识别与跟踪”这个课题，一般要用到什么软件matlab能实现吗

现在关键的问复题根本就不是开制发软件而是算法和硬件环境搭建好么。。。
Matlab常用做算法的仿真，当然也包括图像和视频处理的算法。
C/C++下有免费开源的计算机视觉库OpenCV，编程上的复杂度不会比matlab高很多。
当然上面讨论的前提是你同时会用这两种开发语言。
但是如果有特殊硬件的话matlab可能就不如C/C++好用了，我只是说一般情况。
你现在关键是要去查论文看人家的实验环境和算法，而不是关心算法用什么语言实现。

B. 如何写一个简单的手写识别算法

移动设备多用手势进行输入，用户通过手指在屏幕上画出一个特定符号，计算机识别出来后给予响应的反应，要比让用户点击繁琐的按钮为直接和有趣，而如果为每种手势编写一段识别代码的话是件得不偿失的事情。如何设计一种通用的手势识别算法来完成上面的事情呢？

我们可以模仿笔记识别方法，实现一个简单的笔画识别模块，流程如下：

第一步：手势归一化

1. 手指按下时开始记录轨迹点，每划过一个新的点就记录到手势描述数组guesture中，直到手指离开屏幕。

2. 2. 将gesture数组里每个点的x,y坐标最大值与最小值求出中上下左右的边缘，求出该手势路径点的覆盖面积。

3. 3. 手势坐标归一化：以手势中心点为原点，将gesture里顶点归一化到-1<=x<=1, -1<=y<=1空间中。

4. 4. 数组长度归一化：将手势路径按照长度均匀划分成32段，用共32个新顶点替换guestue里的老顶点。

5. 第二步：手势相似度

6. 1. 手势点乘：g1 * g2 = g1.x1*g2.x1 + g1.y1*g2.y1 + … + g1.x32*g2.x32 + g1.y32*g2.y32

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

8. 由此我们可以根据两个手势的相似度算成一个分数score。用户输入了一个手势g，我们回合手势样本中的所有样本g1-gn打一次相似度分数，然后求出相似度最大的那个样本gm并且该分数大于某个特定阀值（比如0.8），即可以判断用户输入g相似于手势样本 gm !
   

C. 人脸识别系统品牌商，请问国内比较厉害的人脸识别公司是哪一家

国内人脸识别做的较好的公司有商汤科技、北京旷视科技、上海依图网络科技、阿里、腾讯。

相关介绍：

1、商汤科技：

商汤科技所推出的包括人脸识别、图像识别、文字识别、图像视频分析、图像及视频编辑、智能监控、自动驾驶、遥感、医疗影像识别等各类智能视觉技术。

2、北京旷视科技：

旷视的核心技术是计算视觉及传感技术相关的人工智能算法，包括但不限于人脸识别、人体识别、手势识别、文字识别、证件识别、图像识别、物体识别、车牌识别、视频分析、三维重建、智能传感与控制等技术。

5、腾讯：

腾讯旗下的腾讯优图成立于2012年，遵循公司“一切以用户价值为依归”的理念以及“研究成果落地才能产生价值”的原则，在人脸识别、图像识别、声音识别三大领域拥有数十项领先技术，具备千亿规模的多媒体大数据计算能力。

D. IOS开发，UIGestureRecognizer和UITouch的区别30分求解！

gesture是手势 各种 什么缩放啊 平移 旋转之类的 touch就是点击 差很多。。很多touch才形成一个手势

E. 怎么利用红外传感器，使人接近物体一定距离而发出警告类似自动门上的。。。

在消费电子产品中，接近感应作为一种探测用户身体或手部存在的方法，越来越为人们所接受。该技术也能够用于动作感应，如检测用户手势。用户手势作为一种输入，可以应用于许多设备，如手机、计算机和其他家用电子产品。
要理解动作感应系统设计的理论基础，需要了解红外线(IR)与可见光的差异，探讨接近和动作感应系统如何在单一LED 下运行，以及动作感应在使用多个LED 进行多接近测量时如何工作。

当我们谈及“光”时，通常指的是来自太阳或灯具的可见光，然而，可见光仅占光谱范围中的一小部分。我们把可见光定义为人眼可以识别的所有光线，通常人眼可以识别的光线波长为380-750nm。那么，人眼无法识别的非可见光（如波长为850 nm 光）又如何呢？

IR 辐射光的波长为750nm-1000μm，IR 光与可见光有着相同的特性，例如反射率，而且它可以通过特殊灯泡或发光二极管生成。因为人眼无法看到IR 光，所以我们可以用它来完成一些特殊的人机界面任务，例如接近检测，而无需用户与系统进行任何直接接触。

IR 接近传感系统能够检测附近物体的存在，并根据检测结果做出反应。IR 接近检测的应用无处不在。 例如，手机可以使用接近传感技术检测通话时手机是否接近面部。当你把手机靠近耳边时，手机将检测 到头的存在，从而自动关闭屏幕以节省电能。其他接近感应系统的例子包括皂液器和饮水机，你可以把 手放在传感器附近（通常在皂液管或水龙头附近），以“非接触”而又卫生的方式获取皂液或水。

在高端 汽车上，外部防碰撞系统也使用接近检测，当汽车与其他汽车或者物体太靠近时，接近检测会提醒司机 注意。有些车辆还可以使用车内接近感应系统检测乘客的存在，从而调整安全装置（如安全气囊）。 接近检测通过专门设计的IR LED 实现。与IR LED 相对应的是光电二极管，它一般用来检测LED 发出 的IR 光。当IR LED 和光电二极管同方向放置时，光电二极管将不会检测到任何IR 光，除非有物体在 LED 的前面，将光反射回光电二极管。反射回光电二极管的光强与物体到光电二极管的距离逆向相 关。

图 1：一维空间动作检测

单一 LED 和光电二极管相结合可以检测一些动作，例如可以检测物体是否靠近或远离光电二极管，这 仅仅是一维空间检测。假设一个系统，其布局如图1 所示，单一LED 系统仅使用LED1 与IR 传感器。 图2 是三个手势动作过程中Silicon Labs Si1120 传感器感应IR LED 后的输出值，其中Y 轴是反射的 IR 光强，X 轴是时间。三个手势包括沿图1 X 轴从左到右的滑动，沿Y 轴从底部到顶部的滑动，以及 沿Z 轴由远及近，然后由近及远的往复动作。图2 表明，单一LED 系统不能区分这些手势，使用单一 LED，系统只能检测到物体正在接近或远离传感器，而不能判别其方向。

图 2：单一LED 系统性能分析

二维空间检测由位于不同位置的两个LED 和单个光电二极管组成。从LED1 得到一个测量值，然后快 速从LED2 获得另一个测量值，两个测量值被用于计算二维空间上的物体位置。其中一维空间是接近 LED1（左）或接近LED2（右），而另一维空间是接近或远离光电二极管。图3 是与图2 相同的三个 手势，其中白线代表从LED1 中读出的数据，红线代表从LED2 读出的数据。从左到右滑动过程中，白 线上升，然后是红线。当手从左到右滑动时，LED1 反射IR 光到传感器，然后是LED2。图 3：二维空间中手势性能分析

三维空间动作检测由三个LED 和单个光电二极管组成。LED3 与LED1、LED2 不在同一直线上，如图 1 所示，可以把LED1 和LED2 之间的连线看作X 轴，LED1 和LED3 之间的连线看作Y 轴，从光电二 极管和LED 到被测物体之间的连线看作Z 轴。图4 显示了与图2 和图3 相同的测量过程，其中蓝线代 表LED3 的测量数据。当手从左向右滑动时，因为手在LED1 和LED3 上同时通过，LED1 和LED3 数 据线同时上升，然后是LED2 数据线。当手从底部向顶部滑动时，因为手先遇到来自LED3 的IR 光， LED3 数据线上升，然后是LED1 和LED2。当往复动作时，因为手在整个过程中都反射等量的LED 光，三个LED 测量值是相同的。图 4：加入LED3 后，三维空间中动作性能分析

当 IR LED 和IR 传感器应用于产品时，这些组件通常不会用作装饰目的而放在外面，终端产品至少需 要一个开口或透明窗口，让IR 光透过。

IR LED 从窗口中照射出，被外部物体反射后，通过窗口进入Si1120 传感器。单一窗口配置的主要缺点 是：窗口将导致一些光线被内反射到Si1120，即使在检测范围内没有外部物体时，大量反射光也可能 导致传感器输出。

双窗口设计使用其中一个窗口用于IR LED，另一个窗口用于传感器。通过在LED 和传感器之间进行适 当的隔离，设计消除了内部反射的问题，为系统提供更好的敏感性和检测范围。

对于 IR 接近感应系统设计而言，选择何种IR LED 是一项非常重要的决定。IR LED 视角对最大检测距 离和范围有很大影响。从LED 射出的IR 光形成一个圆锥状，圆锥顶角（大多数LED 能量从这里输 出）被称为LED 视角。图 5：窄视角和宽视角IR LED 的差异

所有的 LED 都有一个特定的视角，一个窄视角LED 意味着发出的能量更加集中，比宽视角LED 照射 的更远。这意味着使用窄视角IR LED 将在窄检测区域中形成更远的检测范围，图5 说明了窄视角和宽 视角IR LED 的差异。

当设计 IR 系统时，系统中被测物体的特点也是需要重点考虑的。除了用于检测手势，IR 接近感应系统 也能被用于检测无生命物体，如车库门（打开或关闭）。检测较大物体时，由于有更多的IR 光被反 射，检测距离将更远。物体的颜色是另一个需要考虑的因素，因为IR 光与可见光有相同特性，浅色物 体比深色物体反射更多光线。物体的颜色越深，越要接近IR 系统，因为仅有来自IR LED 的少量IR 光 被反射到IR 传感器。

在消费电子、工业和汽车领域应用中，许多电子系统从非接触式反射中受益。IR 接近感应为需要检测 物体存在的系统提供了一个最佳方法。接近感应也可用于检测最多三维空间内的动作，甚至是手势，使 得下一代电子产品的人机界面更先进、更直观。(主讲：Alan Pang，Silicon Labs 作者：Alan Sy，Silicon Labs)

F. VR眼动跟踪技术和VR手势识别技术哪个好

手势识别
手势能够将物理动作描述成无声的语言交流，它能传递人的想法、情绪及某些指令信息。手势识别可以来自人的身体各部位的运动，但一般是指脸部和手的运动。在交互设计领域，人们可以使用一只手或两只手对相关设备进行操作，根据不同的应用目的,手势可以分为控制手势、对话手势、通信手势和操作手势。
它被认为是计算机对运动所进行的解释，一种新的感知计算方式，通过运动传感器和加速仪运用各种编程算法，允许人们通过手势识别对控制设备执行命令。

手势识别在VR中的重要性及其原因
虚拟现实是由计算机根据现实与想象空间生成的一种模拟环境，让用户具有身临其境的沉浸感，通过各种交互行为刺激用户的视觉、触觉、听觉等感知系统，从而建立全方位的感官体验。
目前，人们的体验常常受制于VR头显和不够自然的交互方式。相比之下，手势识别能够在虚拟环境中，赋予人们贴近现实生活的手势导航和控制能力，建立最直接的人机交互方式。

将手势识别技术应用于虚拟现实
虚拟现实环境想要具备完全的沉浸感，就这意味着需要在计算机创造的空间内精确的模拟现实世界中最细微的动作、振动及变化。这其中发挥首要作用的就是传感器技术。
它负责监测和记录人们运动的速度、方向甚至是最简单的垂直和水平位移状态。通过处理这些实时的运动数据，结合复杂的计算机算法，VR系统才能重建出我们所熟知的世界。那么，在这些大量的工作背后，手势识别具体经历了几个工作阶段呢？大致可分为以下四个：

1.数据采集或手势图像收集阶段
这是将手部、身体或者脸部的动作输入数据进行分类采集的阶段。
2.手势图像预处理阶段
这一步是利用边缘检测、滤像和归一化处理等技术捕捉主要的手势特征，并将其输入到用于手势识别的模型中。
3.图像追踪阶段
这一阶段是对预处理图像进行深入追踪，通过传感器捕获具体动作的方向，确定运动对象的空间位置。这需要借助外部的多种追踪器才能实现，如磁性、光学、声学、惯性等方面的传感设备。
4.识别阶段
以上的所有阶段都是为了最终的识别做准备，在成功提取手势特征的图像跟踪后，这些数据就会被储存在由复杂经网络或决策树构建的系统中，并进行该手势意义及命令的判断与分析工作。至此，手势信息已被正式识别，分类器可根据提取的规则特征进行手势分类，以获得手势识别的结果。

手势识别需要的支持设备
为了能够使手势识别技术真正面向市场，还需要借助各种电子工具和输入设备。从触觉、视觉和动作捕捉方面进行分类，可发现诸如，监测手指弯曲程度的手套装备、测量加速度和旋转角度的传感器装置、以及利用深度感知摄像机捕捉3D姿态的视觉处理设备。
眼动追踪
然而，作为说明用户的可能意图或注视点这样的一般情景信号，眼动追踪非常有用。许多眼动追踪的用例将会在后台工作，可能包括以下内容：
1.图形渲染资源分配：如果一个人正在注视某个地方，更多的图形渲染资源可以在这个大方向上分配。这样给定的渲染功率可以提供更高质量的输出。
2.数据预取：某些VR数据操作需要一定的时间才能完成，例如。于在线数据库中查找东西。如果一个人在特定方向上扫视，那在他选择要与之交互之前，数据读取可以在后台开始。这改善了VR环境中的感知响应性，这对移动数据网络尤为有用。
3.多模式智能3D对象选择：对于VR，在杂乱的环境中指向小对象可能相当困难。眼动追踪可以通过把眼动信息与控制器输入组合来帮助消除选择歧义，让用户更准确地选择对象。
4.自动头显校准：知道用户眼睛注视位置的头显可以更好地调整自己的图像输出参数，以获得最佳的用户舒适度。
5.平衡操作：前庭眼反射是一种众所周知的自动反应，会把眼球运动与前庭系统的变化联系起来。知道眼睛运动和头显运动(通过加速度计)将可以对用户前庭系统的可能状态进行判断，因此可实现系统性操作，或可能在VR使用期间减少晕动症的影响。
所以，眼动跟踪技术和手势识别技术对于vr体验都是很重要的，两个功能缺一不可，更多信息请看ARA联盟。

G. 求计算机科学与技术毕业论文题目

你的计算机科学与技术论文准备往什么方向写，选题老师审核通过了没，有没有列个大纲让老师看一下写作方向？
老师有没有和你说论文往哪个方向写比较好？写论文之前，一定要写个大纲，这样老师，好确定了框架，避免以后论文修改过程中出现大改的情况！！
学校的格式要求、写作规范要注意，否则很可能发回来重新改，你要还有什么不明白或不懂可以问我，希望你能够顺利毕业，迈向新的人生。

论文选题的具体方法有哪些

在选题的方向确定以后，还要经过一定的调查和研究，来进一步确定选题的范围，以至最后选定具体题目。下面介绍两种常见的选题方法。

1、浏览捕捉法
这种方法就是通过对占有的文献资料快速地、大量地阅读，在比较中来确定题目的方法。
浏览捕捉法一般可按以下步骤进行：
第一步、广泛地浏览资料。在浏览中要注意勤作笔录，随时记下资料的纲目，记下资料中对自己影响最深刻的观点、论据、论证方法等，记下脑海中涌现的点滴体会。
第二步、是将阅读所得到的方方面面的内容，进行分类、排列、组合，从中寻找问题、发现问题，材料可按纲目分类。
第三步、将自己在研究中的体会与资料分别加以比较，找出哪些体会在资料中没有或部分没有。

2、追溯验证法
这是一种先有拟想，然后再通过阅读资料加以验证来确定选题的方法。
追溯可从以下几方面考虑：
第一步、看自己的“拟想”是否对别人的观点有补充作用，自己的“拟想”别人没有论及或者论及得较少。
第二步、如果自己的“拟想”虽然别人还没有谈到，但自己尚缺乏足够的理由来加以论证，考虑到写作时间的限制，那就应该中止，再作重新构思。
第三步、看“拟想”是否与别人重复。如果自己的想法与别人完全一样，就应马上改变“拟想”，再作考虑；如果自己的想法只是部分的与别人的研究成果重复，就应再缩小范围，在非重复方面深入研究。
第四步、要善于捕捉一闪之念，抓住不放，深入研究。在阅读文献资料或调查研究中，有时会突然产生一些思想火花。

H. 三轴加速度传感器 怎么手势识别

针对手势交抄互中手势信号的相似性袭和不稳定性，设计实现一种基于三轴加速度传感器的手势识别方案。采用MMA7260加速度传感器采集主手腕的手势动作信号，根据手势加速度信号的特点，进行手势动作数据窗口的自动检测、信号去噪和重采样等预处理，通过提取手势动作的关键特征，构造离散隐马尔可夫模型，实现手势动作识别。实验结果证明该方案的识别精度较高。

I. 除了摄像头，还有没有更好用的3D手势识别方法

人机交互可以算是对电子产品的用户体验影响最直接的一个技术。当年苹果借由电容触控屏，将键盘、鼠标、轨迹球等一众技术拉下马的景象，相信很多人还记忆犹新。而今天，人机交互技术似乎又来到了升级换代的门槛上，诱惑着开发者和用户往里走的种种因素中，手势识别技术绝对算是最强的一股力量，特别是3D手势识别。毕竟，举手投足间就可以让电子设备对用户的“心思”做出响应，将是一件很酷的事情。
与触控技术在2D平面上的写写画画相比，3D手势识别加上了一个Z轴“深”度的测量，使其可以承载更多人机交互信息，可以实现非接触的感应和控制，给产品的设计带来更大的想象空间。3D手势识别最为知名的应用，恐怕要算是微软推出的体感游戏外设Kinect了。它让游戏玩家抛弃了游戏手柄，通过肢体的运动直接操控游戏。在此之后，各种基于光学的3D手势识别技术逐渐发展起来。它们通过光栅、红外发光器件、多摄像头等不同方式完成对三维空间中Z轴方向运动的侦测，实现3D的手势（或身体姿态）识别。
不过光学3D手势识别还是有一定的技术门槛，想要玩转不是一件容易的事，有些技术还需要进一步实用验证和打磨。这对于那些希望尽快推出商用产品，在3D手势识别领域“尝鲜”的开发者来说，并不是好消息。因此，其他一些非光学的3D手势识别技术就成为人们的重要选项。图1：基于电场感应的GestIC技术原理
其中比较有代表性的，要数Microchip公司的GestIC技术。它基于电场感应的原理，在电子设备周边的空间中形成一个电场。当手部在空间中运动时会使电场发生畸变，布设在电场中的电极接收器会感应到这种变化，并通过专门的控制芯片进行信号处理，对手势进行识别和运动追踪，并将数据传递给电子设备做出响应。Microchip代理商世健公司产品经理介绍，与采用摄像头的光学3D手势识别技术相比，GestIC技术最大的优势在于功耗极低，能耗节省多达90%，同时能避免环境光等外部因素的干扰，虽然是一个近场识别技术，但其在家庭自动化、家电控制、音响系统、电脑及配件、汽车电子等方面，会有诸多应用场景。图2：GestIC的拓扑结构
Microchip专门为GestIC技术开发出MGC3030和MGC3130两个专用的3D手势识别和运动跟踪控制器芯片，片上集成的Colibri手势识别套件，Colibri套件结合了隐马尔可夫模型（HMM）和x/y/z手部位置矢量，能够识别多种3D手势，其中MGC3130还可以实现x/y/z三维空间中的精准定位。同时，Microchip还提供了多种开发工具和Aurea评估仿真软件，满足不同开发者的需要，帮助他们快速进入Design-in阶段，设计出能够商用的产品。在2015年底Microchip还推出了整合3D手势识别和2D多点触控功能的控制器MGC34xx，以及配套的开发工具DM160225。这种2D+3D手势识别的复合设计理念，给人机交互界面的设计带来了更大的灵活度和可能性。作为Microchip的授权代理商，世健公司在该领域积累了多年经验，并已经完成初步开发，在风扇和LED产品中均有应用，客户只需根据自身需要进行二次开发即可。
在新技术面前，等待和观望是让人纠结的。GestIC恰好是这样一种技术：能让你在新一代人机交互技术兴起时，快速地行动，搭上一班通往3D手势识别市场的直通车。
图3：GestIC技术可识别的3D手势和动作