《表1 动态手势识别率：基于傅里叶描述子的手势轨迹模板匹配方法》
提示：宽带有限、当前游客访问压缩模式
为了验证该算法的可行性，同时考虑到用户理解、学习和使用上的障碍问题[7]，选取了以下9种动态手势。图4展示了各个手势的轨迹。动态手势识别率如表1所示。
| 图表编号 | XD00131026100 严禁用于非法目的 |
|---|---|
| 绘制时间 | 2020.02.01 |
| 作者 | 刘电霆、梁桂宾 |
| 绘制单位 | 桂林理工大学机械与控制工程学院、桂林理工大学机械与控制工程学院 |
| 更多格式 | 高清、无水印（增值服务） |
相关图表
- 《表1 音色检验结果：基于傅里叶分析方法的钢琴音色识别与电子合成系统研究》2021.02.25
- 《表3 各项综合经济指标：基于深度图像的实时手势识别方法》2020.07.16
- 《表2 室外光照识别结果：基于Kinect的动态手势识别研究》2021.02.25
- 《表1 蔬菜质量分级标准：基于机器视觉的火车驾驶员动态手势识别方法》2021.02.20
- 《表2 涂层孔隙率：基于视频数据特性的动态手势识别》2020.10.01
- 《表1 不同方法手势识别率对比》2019.11.10
- 《表1 手势识别率结果：基于FDC2214单通道阈值分析的手势识别系统》2020.06.20
- 《表1 试验参数设置：基于嵌入式系统的视觉手势识别方法研究》2020.06.01
- 《表2 数据统计表：基于红外结构光的交互手势变形跟踪识别方法》2020.08.25
- 《表1 手势状态数表：基于红外结构光的交互手势变形跟踪识别方法》2020.08.25
- 《表1 不同手势测量结果：基于电容感测的新型手势识别装置》2020.08.20
- 《表4 手势识别结果：基于肌电信号稀疏特征的手势识别方法研究》2020.04.06
- 《表1 数据种类和数量：基于短时傅里叶变换和稀疏表示的局放识别分类方法》2019.12.10
- 《表1 手势识别方法对比：基于深度学习的手势识别研究》2019.11.15
- 《表1 手势数据集：基于区域卷积神经网络Faster R-CNN的手势识别方法》2019.08.01
- 《表1 获取的数据项：基于Leap Motion的动态手势识别》2019.07.01
- 《表3 在其他动态手势数据集上的识别准确率》2019.07.01
- 《表1 控制手势：基于HMM的虚拟场景控制手势识别研究》2018.12.20
- 《表1 动态手势含义：基于Kinect手势识别的智能小车控制系统设计》2018.09.01
- 《表1 手势识别率：基于FDC2214的手势识别系统》2018.12.20