Advisor: Prof. Chin-Shyurng Fahn

TEL: 02-2733-3141 # 7425

Location: RB307-3

Designer: Yu-Ta Lin

基於資料手套的智慧型手勢辨識

 

  隨著電腦系統的日新月異,資料手套被廣泛地應用於虛擬實境、手語系統與人機介面上,而手勢辨識的研究也就日趨重要。我們分析文獻中常用的手勢,將它們分成靜態手勢與動態手勢。因為動態手勢必須考慮到手勢的空間性與時間性,因此我們使用動態時間變形與框架法來求取手勢的特徵值。在實驗中,我們可以發現兩者具有相當的辨識效果,但是框架法的複雜度較低,更適合應用於即時系統上。在論文中,我們提出了一種新的分類方法,我們稱它為距離灰關聯度網路。它將距離灰關聯度方法導入類神經網路的架構中,使得原本距離灰關聯度方法具有學習能力。在實驗中,我們發現它具有收斂速度快與高辨識率的特性。另外,我們也使用灰關聯度方法、倒傳遞網路、放射式基底函數網路與隱藏式馬可夫模型於手勢辨識的研究中,其中我們探討分辨係數對於灰關聯度方法的影響,並且探討不同的學習速率下,對於類神經網路學習效果的影響;最後,比較各種方法的優缺點。 未來,研究人員可以針對不同的手勢特性、分類多寡與樣本多寡,選用適合的辨識方法。如此一來,就可以開發出一套具有高穩健性與高適應性的手勢應用系統。