A. 电脑是如何做到能识别手势的
一种能够识别抄手势语并将其转换袭成屏幕显示文本的软件，可以使失聪者更容易、更自然地利用电脑同别人交流。加拿大魁北克省舍布鲁克大学的研究人员开发了一种能够识别国际手势语的系统。这种系统可以通过手势把组成单词的每个字母拼出来。
这种系统识别国际手势语的成功率高达96%。由于每个人的手势略有不同，如果使用这种神经网络系统的人经过培训，可以使这种系统发挥的作用达到最佳效果。这种系统通过快速工作站识别一个手势需要半秒钟，研究人员尚未能使它达到最佳识别速度。研究人员相信，他们通过使这种系统具备可以检验容易出错的手势，能够进一步提高识别的准确性。
这种系统用摄像机捕捉每个手势，再由软件进行一系列处理。第一阶段是“边缘测定”，即绘制出手的轮廓。然后由系统确定手的长轴和短轴，以便确定手势的确切方向。
在这个基础上，程序对手指相对于手的长轴的变化和方向加以测量。得出的信息被输入神经网络程序，程序通过与现有训练数据加以比较，对字母最有可能表达的含意做出猜测。一旦电脑识别出手势所要表达的意思，就把相关的字母显示在屏幕上。
研究人员说，由于这个系统采用的是实时交流方式，其反应速度是相当快的。
B. 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。
C. 手势识别技术是什么
手势识别技术是利用摄像头等感应元件，捕捉不同的手势，根据手势的形状等，用芯片运算识别，能智能识别出相应的指令，我们能用一个手势或多个手势，进行发出指令，替代了很多传统的按键，是未来的发展趋势，例如市面上有一款汇春科技的抽油烟机，我们可以通过向左拨动手势，发出开机指令，手部不再接触油腻的机身。
D. 如何用雷达实现手势识别
如何用雷达实现手势识别
雷达，英文Radar（Radio Detection And Ranging），利用发射“无线电磁波”得到反射波来探测目标物体的距离，角度，和瞬时速度。随着天线尺寸和芯片的极度缩小，在可预见的未来，更多的雷达设备将会以微型器件面世，如图所展示的那样，它们不仅能嵌入可穿戴设备，成为物联网的一类重要传感器。
图 传统的探测侦查雷达（左）以及Project Soli中用于手势识别的迷你雷达（右）
相比于其它隔空操作技术，比如体感相机、超声波等，雷达有着一些天然优势：比如无论白天黑夜，暴晒寒风，皆可正常工作；在体积、成本，以及功耗上都比Kinect等体感相机来得要更低；高频雷达测量物体距离通常可以精确到毫米级别；而低频雷达则可以做到“穿墙而过”，完全无视遮挡物的存在。这些特性让雷达，尤其是微型雷达，在未来都有着广阔的应用前景。
雷达的组成
一般雷达由发射器、接收器、发射／接收天线、信号处理单元，以及终端设备组成。发射器通过发射天线将经过调频或调幅的电磁波发射出去；部分电磁波触碰物体后被反射回接收器，这就好比声音碰到墙壁被反射回来一样；信号处理单元分析接受到的信号并从中提取有用的信息诸如物体的距离、角度，以及行进速度；这些结果最终被实时地显示在终端设备上。传统的军事雷达还常配有机械控制的旋转装置用以调整天线的朝向，而新型雷达则更多通过电子方式做调整。
为节省材料和空间，通常发射器和接收器可以共享同一个天线，方法是交替开关发射或接收器避免冲突。终端设备通常是一个可以显示物体位置的屏幕，但在迷你雷达的应用中更多是将雷达提取的物理信息作为输入信号传送给诸如手表或其它电子设备。信号处理单元才是雷达真正的创意和灵魂所在，主要利用数学物理分析以及计算机算法对雷达信号作过滤、筛选，并计算出物体的方位。在这基础之上，还可以利用前沿的机器学习算法对捕捉的信号作体感手势识别等等。
雷达实现手势识别
雷达的测距或者测速都把物体想像成一个抽象的点。而真实的物体如手掌则可以认为是一堆三维点的集合体。所以在反射波中已然蕴藏了许多个点的距离与速度信号。同时呈现这些信息的一个好方法叫做距离－多普勒映射（Range-Dopler Map），简称RDM（如图）。RDM中的横轴是速度，纵轴是距离。它可以认为是一张反射波的能量分布图或概率图，每一个单元的数值都代表了反射波从某个特定距离和特定速度的物体得到的反射波能量。仔细看的话，从RDM中已然可以窥见探测物体的特征身形！基于RDM及其时间序列， 我们可以采用机器学习的方法识别特定的能量模式变化，进而识别手势及动作。在Soli推出之前，Nvidia也做过类似的研究。
图 距离-多普勒（速度）映射的等高线表示示例 每一个单元值代表了反射波中具有对应距离和速度的点的集合的反射能量。该映射可以作为特征向量用于机器学习识别手势动作。
E. 我在做关于手势识别的程序，现在刚完成图像预处理，但是怎么样才能在提取特征参数前把手臂部分去除呢
感觉很重要的一部是要进行手掌的识别，或者手掌外区域的识别，这里面必然用到特征识别的算法 也许人脸识别就是很好的例子。能发个你预处理后的图片上来么？也不知你预处理到了什么程度。
F. 如何用微信小程序开发手势解锁
整个功能基于canvas实现，首先添加画布组件，并设定样式
<!--index.wxml--><view class="container">
<canvas canvas-id="id-gesture-lock" class="gesture-lock" bindtouchstart="onTouchStart"
bindtouchmove="onTouchMove" bindtouchend="onTouchEnd"></canvas></view>.gesture-lock {
margin: 100rpx auto;
width: 300px;
height: 300px;
background-color: #ffffff;
}123456789101112
手势解锁实现代码在gesture_lock.js中(完整源码地址见末尾)。
初始化
constructor(canvasid, context, cb, opt){ this.touchPoints = []; this.checkPoints = []; this.canvasid = canvasid; this.ctx = context; this.width = opt && opt.width || 300; //画布长度
this.height = opt && opt.height || 300; //画布宽度
this.cycleNum = opt && opt.cycleNum || 3; this.radius = 0; //触摸点半径
this.isParamOk = false; this.marge = this.margeCircle = 25; //触摸点及触摸点和画布边界间隔
this.initColor = opt && opt.initColor || '#C5C5C3';
this.checkColor = opt && opt.checkColor || '#5AA9EC'; this.errorColor = opt && opt.errorColor || '#e19984'; this.touchState = "unTouch"; this.checkParam(); this.lastCheckPoint = null; if (this.isParamOk) { // 计算触摸点的半径长度
this.radius = (this.width - this.marge * 2 - (this.margeCircle * (this.cycleNum - 1))) / (this.cycleNum * 2) this.radius = Math.floor(this.radius); // 计算每个触摸点的圆心位置
this.calCircleParams();
} this.onEnd = cb; //滑动手势结束时的回调函数
}
主要设置一些参数，如canvas的长宽，canvas的context，手势锁的个数(3乘3, 4乘4)，手势锁的颜色，手势滑动结束时的回调函数等。并计算出手势锁的半径。
计算每个手势锁的圆心位置
calCircleParams() { let n = this.cycleNum; let count = 0; for (let i = 0; i < n; i++) { for (let j = 0; j < n; j++){
count++; let touchPoint = {
x: this.marge + i * (this.radius * 2 + this.margeCircle) + this.radius,
y: this.marge + j * (this.radius * 2 + this.margeCircle) + this.radius,
index: count,
check: "uncheck",
} this.touchPoints.push(touchPoint)
}
}
}1234567891011121314151617
绘制手势锁
for (let i = 0; i < this.touchPoints.length; i++){ this.drawCircle(this.touchPoints[i].x, this.touchPoints[i].y, this.radius, this.initColor)
} this.ctx.draw(true);1234
接下来就是识别用户的滑动行为，判断用户划过了哪些圆圈，进而识别出用户的手势。
在touchstart和touchmove事件中检测触发并更新画布
onTouchStart(e) { // 不识别多点触控
if (e.touches.length > 1){ this.touchState = "unTouch"; return;
} this.touchState = "startTouch"; this.checkTouch(e); let point = {x:e.touches[0].x, y:e.touches[0].y}; this.drawCanvas(this.checkColor, point);
}
onTouchMove(e) { if (e.touchState === "unTouch") { return;
} if (e.touches.length > 1){ this.touchState = "unTouch"; return;
} this.checkTouch(e); let point = {x:e.touches[0].x, y:e.touches[0].y}; this.drawCanvas(this.checkColor, point);
}
检测用户是否划过某个圆圈
checkTouch(e) { for (let i = 0; i < this.touchPoints.length; i++){ let point = this.touchPoints[i]; if (isPointInCycle(e.touches[0].x, e.touches[0].y, point.x, point.y, this.radius)) { if (point.check === 'uncheck') { this.checkPoints.push(point); this.lastCheckPoint = point;
}
point.check = "check"
return;
}
}
}12345678910111213
更新画布
drawCanvas(color, point) { //每次更新之前先清空画布
this.ctx.clearRect(0, 0, this.width, this.height); //使用不同颜色和形式绘制已触发和未触发的锁
for (let i = 0; i < this.touchPoints.length; i++){ let point = this.touchPoints[i]; if (point.check === "check") { this.drawCircle(point.x, point.y, this.radius, color); this.drawCircleCentre(point.x, point.y, color);
} else { this.drawCircle(this.touchPoints[i].x, this.touchPoints[i].y, this.radius, this.initColor)
}
} //绘制已识别锁之间的线段
if (this.checkPoints.length > 1) { let lastPoint = this.checkPoints[0]; for (let i = 1; i < this.checkPoints.length; i++) { this.drawLine(lastPoint, this.checkPoints[i], color);
lastPoint = this.checkPoints[i];
}
} //绘制最后一个识别锁和当前触摸点之间的线段
if (this.lastCheckPoint && point) { this.drawLine(this.lastCheckPoint, point, color);
} this.ctx.draw(true);
}2728
当用户滑动结束时调用回调函数并传递识别出的手势
onTouchEnd(e) { typeof this.onEnd === 'function' && this.onEnd(this.checkPoints, false);
}
onTouchCancel(e) { typeof this.onEnd === 'function' && this.onEnd(this.checkPoints, true);
}1234567
重置和显示手势错误
gestureError() { this.drawCanvas(this.errorColor)
}
reset() { for (let i = 0; i < this.touchPoints.length; i++) { this.touchPoints[i].check = 'uncheck';
} this.checkPoints = []; this.lastCheckPoint = null; this.drawCanvas(this.initColor);
}123456789101112
如何调用
在onload方法中创建lock对象并在用户触摸事件中调用相应方法
onLoad: function () {
var s = this; this.lock = new Lock("id-gesture-lock", wx.createCanvasContext("id-gesture-lock"), function(checkPoints, isCancel) {
console.log('over');
s.lock.gestureError();
setTimeout(function() {
s.lock.reset();
}, 1000);
}, {width:300, height:300}) this.lock.drawGestureLock();
console.log('onLoad') var that = this
//调用应用实例的方法获取全局数据
app.getUserInfo(function(userInfo){
//更新数据
that.setData({
userInfo:userInfo
})
that.update()
})
},
onTouchStart: function (e) {
this.lock.onTouchStart(e);
},
onTouchMove: function (e) {
this.lock.onTouchMove(e);
},
onTouchEnd: function (e) {
this.lock.onTouchEnd(e);
}
G. 如何用opencv实现动态手势识别就是通过摄像头，对手的运动进行判别，既手向左判断向左，手向右判断向右
可以先对手势进行分割，把手拿出来，然后利用harr特征来做手势识别。在opencv里有先关的东西。
H. 手势识别技术是什么都可以应用到什么产品中
打个比方
，电视如果有
手势识别技术
，你的手就可以当遥控器了。YS4004是汇春自主研发的第一款低功耗、高性能
隔空
手势控制
芯片，可实现3D手势检测感应及方案控制应用。
I. 基于python的手势识别论文的课题任务书怎么写
摘要 任务书含以下方面的内容：