关于ppg信号预处理和特征提取的代码仅供参考学习
2022-06-20 18:08:44
367KB
1
基于传统的手部轮廓特征提取不能应对飞行模拟环境下的脸部肤色、遮挡、光照影响, 以及传统的傅里叶描述子特征容易受到背景、手的姿态变化, 且对手势描述能力有限等问题, 对传统的手部分割和特征提取方法改进. 本文首先对采集的数据集进行肤色处理, 然后结合调用的手部关键点模型检测出手部22个特征点, 采用八向种子填充算法进行图像分割. 接着对手部轮廓和关键点连接骨架进行傅里叶描述子算法特征提取, 最后通过支持向量机算法对提取的手势特征数据集进行训练、识别. 实验结果表明, 本文方法具有较好的手部分割, 特征提取不易受到背景、手的姿态变化的影响, 能够很好地应对在飞行模拟环境下的复杂背景下的干扰, 识别准确率能够达到98%. 本文研究在传统的手势识别算法中有一定的提高作用, 在手部交互技术领域有很重要的应用价值.
2022-06-20 14:15:14
1.32MB
1
深度学习机器学习图像处理的matlab源代码--基于 Harris 的角点特征检测应用案例研究
2022-06-20 14:07:52
1KB
1
1.音频原始数据形式：8k16bitpcm；
2.频率范围：60HZ~3400HZ；
3.三角窗数量：15组；
4.提取filter bank特征，并观察特征分布特点；
5.求取特征三阶差分并进行离线CMVN（cepstral mean and variance normalization，CMVN）
2022-06-20 09:05:22
43.95MB
视频演示：http://www.bilibili996.com/Course?id=2848892000230
2022-06-18 22:06:22
158.51MB
1