計(jì)算機(jī)畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告范文
在日常生活和工作中，報(bào)告有著舉足輕重的地位，其在寫(xiě)作上具有一定的竅門。那么你真正懂得怎么寫(xiě)好報(bào)告嗎？以下是小編為大家收集的計(jì)算機(jī)畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告范文，希望對(duì)大家有所幫助。
課題名稱:基于嵌入式的智能手勢(shì)識(shí)別器的設(shè)計(jì)
一、課題研究背景
1.國(guó)內(nèi)外的研究現(xiàn)狀
目前國(guó)內(nèi)外實(shí)現(xiàn)的手語(yǔ)識(shí)別系統(tǒng)主要分為基于傳感器的系統(tǒng)識(shí)別和基于圖像處理的識(shí)別系統(tǒng)。利用傳感器識(shí)別的系統(tǒng)就是利用空間加速度和角速度這兩個(gè)參數(shù)來(lái)進(jìn)行的，當(dāng)信息量比較大時(shí)，能更方便的獲取到數(shù)據(jù)；缺點(diǎn)是需要在手臂上裝置大量裝置在表達(dá)上帶來(lái)了不便性。基于圖像的視覺(jué)識(shí)別是用攝像機(jī)采集手勢(shì)信息進(jìn)行識(shí)別的技術(shù)。這種方式的優(yōu)點(diǎn)是動(dòng)作的識(shí)別更加自然，缺點(diǎn)是圖像處理識(shí)別時(shí)容易受到環(huán)境的干擾。
手勢(shì)識(shí)別領(lǐng)域的研究在國(guó)外要比國(guó)內(nèi)早，國(guó)內(nèi)最早開(kāi)始研究手勢(shì)手語(yǔ)的識(shí)別是哈工大團(tuán)隊(duì)提出了將多種手勢(shì)識(shí)別算法融合的方法，這種方法在分類時(shí)特征和模型的參數(shù)都很少，但這種技術(shù)對(duì)手語(yǔ)手勢(shì)的識(shí)別在那個(gè)年代取得了良好的識(shí)別效果，通過(guò)將神經(jīng)網(wǎng)絡(luò)和HMM算法相結(jié)合，使系統(tǒng)對(duì)簡(jiǎn)單靜態(tài)手語(yǔ)的識(shí)別率達(dá)到百分之八十以上。隨著技術(shù)的發(fā)展，人們將GMM模型運(yùn)用到手
語(yǔ)識(shí)別系統(tǒng)中，通過(guò)這種方法對(duì)手語(yǔ)識(shí)別得到的結(jié)果更好。2009年，南開(kāi)大學(xué)的李國(guó)峰等人研發(fā)了基于MEMS加速度傳感器的簡(jiǎn)單輸入系統(tǒng)，該系統(tǒng)也為自熱的人機(jī)交互研究開(kāi)啟了新理念。2011年華中師范大學(xué)團(tuán)隊(duì)開(kāi)始了基于加速度傳感器手語(yǔ)識(shí)別研究，對(duì)預(yù)設(shè)的八種手勢(shì)進(jìn)行識(shí)別，其識(shí)別率達(dá)到了85.3%.2013年，清華研究團(tuán)隊(duì)利用SEMG信號(hào)去識(shí)別手臂和手指動(dòng)作采用多電極陣列獲取SEMG信號(hào)，雖然實(shí)用性不是很強(qiáng)，識(shí)別率不是很高，但是在該領(lǐng)域的探索研究，做出了大量的探索工作。2014年，由于傳感器的手勢(shì)識(shí)別領(lǐng)域的快速發(fā)展，國(guó)內(nèi)學(xué)者張欣和陳勛等人將傳感器技術(shù)與生理信號(hào)相互結(jié)合，構(gòu)建了手勢(shì)識(shí)別系統(tǒng)的遠(yuǎn)程醫(yī)療系統(tǒng)，該系統(tǒng)研發(fā)為識(shí)別領(lǐng)域注入了新的血液，使得國(guó)內(nèi)對(duì)相關(guān)領(lǐng)域的研究更加熱衷起來(lái)。
2.課題研究的意義
根據(jù)世衛(wèi)組織最近的一項(xiàng)報(bào)道表明，在全球有6億多的殘疾人，其中就聾啞人占?xì)埣踩丝诘?0%.截止到2013年末，中國(guó)殘疾人的數(shù)量已經(jīng)占到全國(guó)總?cè)丝跀?shù)的百分之六，是世界上殘疾人最多的國(guó)家。在這些殘疾人當(dāng)中，具有聽(tīng)力障礙的人占33%,人數(shù)大約為2780萬(wàn)，這些人中只有少部分人只有聽(tīng)力或語(yǔ)言障礙，而大多數(shù)人完全失去了與健康人類正常溝通的能力，手語(yǔ)則是它們唯一的交流方式。對(duì)于健康的人們來(lái)說(shuō)，除一些專業(yè)人士外大部分人并不能理解手語(yǔ)的含義，那么將手語(yǔ)轉(zhuǎn)換成聲音和圖像并被人們輕易理解就變得很有實(shí)用價(jià)值。這將清除它們與社會(huì)交流的障礙為它們?nèi)谌氲接新暿澜缣峁┝撕艽蟮膸椭�。手�?shì)手語(yǔ)是將人體產(chǎn)生的動(dòng)作賦予了特定的含義且高度的結(jié)構(gòu)化后的集中體現(xiàn)。
.它主要是由人的手勢(shì)決定也會(huì)有一些面部表情進(jìn)行輔助，因此我們要對(duì)手語(yǔ)進(jìn)行識(shí)別，首先必須要弄清手勢(shì)含義，目前很多對(duì)手語(yǔ)的識(shí)別是依靠計(jì)算機(jī)視頻識(shí)別來(lái)實(shí)現(xiàn)的。自上世紀(jì)九十年代以來(lái)，計(jì)算機(jī)技術(shù)得到迅猛發(fā)展已經(jīng)深入到生活的方方面面之中影響迅速擴(kuò)大，而且在日常生活中多模態(tài)接口技術(shù)已經(jīng)變得越來(lái)越普遍。雖然傳統(tǒng)鼠標(biāo)和鍵盤隨著計(jì)算機(jī)技術(shù)飛速發(fā)展而變得越來(lái)越先進(jìn)，但是由于人的需求也在發(fā)生著很大的變化，這些傳統(tǒng)設(shè)備也逐漸凸顯出了它們的局限性，在虛擬現(xiàn)實(shí)和人機(jī)交互上這種限制是有著明顯的表現(xiàn)。人機(jī)交互中手勢(shì)是輸入和輸出的非常重要的方式，所以手勢(shì)識(shí)別是多模式接口技術(shù)的一個(gè)重要部分。
隨著技術(shù)的不斷革新，用戶對(duì)傳統(tǒng)計(jì)算機(jī)的要求已經(jīng)不僅僅局限在便利性和人機(jī)交互的方面，導(dǎo)致傳統(tǒng)設(shè)備在人機(jī)互動(dòng)方面已經(jīng)無(wú)法滿足用戶的需求。而手勢(shì)識(shí)別就是解決高人工智能領(lǐng)域的局限性問(wèn)題的，它作為多模式人機(jī)接口技術(shù)已成為當(dāng)前計(jì)算機(jī)技術(shù)繼續(xù)深入研究的方向，能使通信在人機(jī)交互界面技術(shù)上使用的更加自然和諧，手勢(shì)識(shí)別最接近的就是手語(yǔ)識(shí)別，對(duì)它的研究涉及心理學(xué)、人工智能、計(jì)算機(jī)視覺(jué)等多領(lǐng)域的學(xué)科研究，而且作為日常生活中溝通的一種方式已開(kāi)始受到大批專家和學(xué)者的關(guān)注，并在手勢(shì)識(shí)別研究方向開(kāi)始投入大量科研經(jīng)費(fèi)和精力，由于手勢(shì)手臂本身較為復(fù)雜而且它的時(shí)間和空間差異使得手勢(shì)識(shí)別已經(jīng)成為一個(gè)具有挑戰(zhàn)性的多學(xué)科交叉融合的研究課題。
二、課題研究?jī)?nèi)容
1.手勢(shì)的表示
手勢(shì)表示通常是利用手勢(shì)模型和模型參數(shù)來(lái)表示的，所以在識(shí)別手勢(shì)的時(shí)候首先要要對(duì)手勢(shì)建模，識(shí)別是根據(jù)手勢(shì)表示內(nèi)容而選取手勢(shì)特征量與模型匹配，由于環(huán)境文化和地區(qū)的不同會(huì)導(dǎo)致了手勢(shì)的差異，可能會(huì)有使用不同的表達(dá)方式，所以手勢(shì)通常是一個(gè)不太明確的概念，有時(shí)手勢(shì)表達(dá)的含義在不同情景下承載的信息是不同的。比如不同地區(qū)表示暫停的時(shí)候是左手在上右手在下，而其它地方可能就是右手在上左手在下。
本文設(shè)計(jì)的關(guān)鍵是對(duì)手勢(shì)的建模訓(xùn)練，尤其是對(duì)待識(shí)別的手勢(shì)的確定。具體的應(yīng)用決定了采用什么樣的手勢(shì)模式，只有建立準(zhǔn)確的手勢(shì)模型才能利用算法進(jìn)行對(duì)識(shí)別到的手勢(shì)做出正確反饋。通常手勢(shì)建模和手勢(shì)識(shí)別所使用到的方法是相異的，采集手勢(shì)特征數(shù)據(jù)的方法也不一樣。目前基于數(shù)據(jù)手套的特征捕獲方法是比較常用的采集數(shù)據(jù)信息的方式，通過(guò)選擇相應(yīng)的識(shí)別算法實(shí)現(xiàn)手勢(shì)的識(shí)別反饋。
2.常用手勢(shì)識(shí)別算法分析
2.1人工神經(jīng)網(wǎng)絡(luò)算法
這種算法還具有抗干擾能力和容錯(cuò)性強(qiáng)識(shí)別速度快等優(yōu)點(diǎn)，它能把預(yù)處理和識(shí)別的過(guò)程同時(shí)進(jìn)行處理。在目前的識(shí)別領(lǐng)域中，運(yùn)用的比較多的神經(jīng)網(wǎng)絡(luò)是誤差反向傳播神經(jīng)網(wǎng)絡(luò)（簡(jiǎn)稱網(wǎng)絡(luò)）。BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)圖算法是一種有監(jiān)督式的學(xué)習(xí)算法，它由三部分構(gòu)成輸入層、中間層（也叫隱藏層）和輸出層，其中的輸入層和輸出層的神經(jīng)元節(jié)點(diǎn)是固定的數(shù)目，兩層之間存在從輸入層到輸出層的前饋連接和輸出層至輸入層的反饋連接，只有隱藏層的神經(jīng)元是可以自由定義的。
在人際交互識(shí)別領(lǐng)域中應(yīng)用神經(jīng)網(wǎng)絡(luò)算法進(jìn)行手勢(shì)的識(shí)別時(shí)首先需要有自己的數(shù)據(jù)庫(kù)系統(tǒng)，再對(duì)采集到的手勢(shì)數(shù)據(jù)序列進(jìn)行算法的訓(xùn)練，使用訓(xùn)練好的網(wǎng)絡(luò)去識(shí)別輸入的手勢(shì)數(shù)據(jù)信息數(shù)據(jù)的含義即達(dá)到識(shí)別手勢(shì)的目的，識(shí)別到后經(jīng)由計(jì)算處理以實(shí)現(xiàn)人機(jī)交互的目的。神經(jīng)網(wǎng)絡(luò)的優(yōu)點(diǎn)是抗干擾性和容錯(cuò)能力強(qiáng)，缺點(diǎn)是訓(xùn)練量比較大，擴(kuò)充性不強(qiáng)對(duì)時(shí)序建模能力差，無(wú)法有效處理動(dòng)作的速率帶來(lái)的問(wèn)題。
2.2動(dòng)態(tài)時(shí)間規(guī)整
動(dòng)態(tài)時(shí)間規(guī)整曾是語(yǔ)音識(shí)別的一種主流方式，它是一種將時(shí)間歸整與距離測(cè)度結(jié)合起來(lái)的非線性正則化的技術(shù)，算法是建立一套科學(xué)的時(shí)間校準(zhǔn)匹配路徑將測(cè)試模式和參考模式建立起聯(lián)系的算法。
DTW的算法主要利用的動(dòng)態(tài)編程技術(shù)（Dynamic Programming,DP）去實(shí)現(xiàn)，它的算法實(shí)現(xiàn)是將全局的優(yōu)化分化成眾多的局部最優(yōu)化。所以在使用算法的時(shí)候需要將各局部最優(yōu)化，已達(dá)到全部的最優(yōu)化。
在DTW算法中由于容易實(shí)現(xiàn)和數(shù)據(jù)的訓(xùn)練簡(jiǎn)單等優(yōu)點(diǎn)被用在語(yǔ)音識(shí)別中廣泛應(yīng)用，但在手勢(shì)識(shí)別領(lǐng)域由于其運(yùn)算量太大和較弱的抗噪能力，很難達(dá)到對(duì)手勢(shì)識(shí)別的實(shí)時(shí)性的要求。
2.3特征選擇
手勢(shì)識(shí)別本質(zhì)上是對(duì)手勢(shì)進(jìn)行多分類任務(wù)，在實(shí)際的實(shí)驗(yàn)測(cè)試過(guò)程中，能夠準(zhǔn)確區(qū)分手部狀態(tài)是進(jìn)行手勢(shì)識(shí)別任務(wù)的前提條件，且對(duì)后續(xù)的分類以及檢測(cè)等任務(wù)的精準(zhǔn)度至關(guān)重要。
比如在進(jìn)行圖像識(shí)別過(guò)程中，對(duì)拍攝到的圖像進(jìn)行特征提取是判別手勢(shì)的第一步，特征性質(zhì)的優(yōu)劣是后續(xù)進(jìn)行圖像信息處理的關(guān)鍵，對(duì)采集到的數(shù)據(jù)進(jìn)行特征提取，提取過(guò)程中如果特征過(guò)于簡(jiǎn)單就會(huì)造成對(duì)圖像信息的提取不全，導(dǎo)致最后的判別精確度較低的問(wèn)題不能滿足手勢(shì)識(shí)別對(duì)人體手勢(shì)識(shí)別高精確度的要求，而如果不考慮提取到的特征維度問(wèn)題，容易造成數(shù)據(jù)維度災(zāi)難現(xiàn)象即產(chǎn)生大量的特征數(shù)據(jù)使計(jì)算機(jī)無(wú)法短時(shí)間進(jìn)行處理，這樣不能滿足手勢(shì)識(shí)別對(duì)于現(xiàn)場(chǎng)實(shí)時(shí)性的要求。
因?yàn)樵谌S空間中執(zhí)行的手勢(shì)是動(dòng)態(tài)的，采集到的加速度和姿態(tài)角的數(shù)據(jù)也是實(shí)時(shí)變化的，所以對(duì)于手勢(shì)識(shí)別的數(shù)據(jù)是由內(nèi)嵌在手套中的兩個(gè)六軸陀螺儀加速度傳感器產(chǎn)生的，當(dāng)手部移動(dòng)時(shí)會(huì)產(chǎn)生加速度，角速度姿態(tài)角等實(shí)時(shí)數(shù)據(jù)信息，處理器通過(guò)對(duì)傳感器識(shí)別的運(yùn)動(dòng)數(shù)據(jù)進(jìn)行采集計(jì)算最終識(shí)別手勢(shì)的動(dòng)作。
三、實(shí)驗(yàn)結(jié)果測(cè)試與分析
1.實(shí)驗(yàn)手勢(shì)
本章主要內(nèi)容是根據(jù)前面內(nèi)容進(jìn)行試驗(yàn)，通過(guò)實(shí)驗(yàn)驗(yàn)證可穿戴智能手套翻譯器能夠使用改進(jìn)型的識(shí)別算法提高手勢(shì)的識(shí)別率和識(shí)別精度。
為驗(yàn)證嵌入式系統(tǒng)對(duì)手勢(shì)手語(yǔ)識(shí)別的可行性，在進(jìn)行試驗(yàn)時(shí)候從準(zhǔn)備好的手勢(shì)模型中各取四個(gè)進(jìn)行手勢(shì)識(shí)別試驗(yàn)。開(kāi)始手勢(shì)表達(dá)時(shí)要按箭頭的方向做軌跡，同時(shí)要求一次性完成動(dòng)作，不能在動(dòng)作執(zhí)行時(shí)有停頓，做完每一個(gè)手勢(shì)都要停頓一定時(shí)間。
2.實(shí)驗(yàn)過(guò)程及數(shù)據(jù)統(tǒng)計(jì)
本文所采取的實(shí)驗(yàn)方法及過(guò)程如下：
首先，實(shí)驗(yàn)所用的手勢(shì)模板是已經(jīng)定義好了的手勢(shì)集合，實(shí)驗(yàn)時(shí)從中選取定義好的手勢(shì)集。
其次，從手勢(shì)集合中選取部分手勢(shì)進(jìn)行算法識(shí)別，在這個(gè)過(guò)程中逐漸將訓(xùn)練樣本數(shù)量由少到多增加，觀察樣本數(shù)量對(duì)識(shí)別率的影響。
最后，使用改進(jìn)型算法對(duì)手勢(shì)進(jìn)行識(shí)別，同樣將樣本數(shù)量逐漸增多，觀察樣本數(shù)量對(duì)手勢(shì)識(shí)別率的影響，將兩種算法識(shí)別的結(jié)果進(jìn)行對(duì)比，比較識(shí)別率。
整個(gè)識(shí)別的流程通常是由以下幾步完成的：系統(tǒng)的初始化、檢測(cè)動(dòng)作的狀態(tài)是否開(kāi)始、記錄數(shù)據(jù)集、檢測(cè)動(dòng)作是否結(jié)束，模型對(duì)比和識(shí)別結(jié)果，實(shí)驗(yàn)的流程圖如圖所示。
識(shí)別動(dòng)作時(shí)最重要的是準(zhǔn)確判斷手勢(shì)的開(kāi)始時(shí)刻，因?yàn)槊恳粋�(gè)手勢(shì)動(dòng)作通�？赡軙�(huì)連續(xù)擺動(dòng)來(lái)表達(dá)含義，所以在進(jìn)行動(dòng)作識(shí)別時(shí)需要采集傳感器信息加速度的變化去判斷是否為開(kāi)始信號(hào)，過(guò)程是傳感器采集到數(shù)據(jù)時(shí)判斷是否開(kāi)始，若是開(kāi)始信號(hào)則開(kāi)始轉(zhuǎn)換數(shù)據(jù)進(jìn)行對(duì)手勢(shì)的識(shí)別，當(dāng)傳感器停止傳輸數(shù)據(jù)時(shí)則表動(dòng)作結(jié)束同時(shí)語(yǔ)音播放。
根據(jù)實(shí)驗(yàn)結(jié)果可知手勢(shì)識(shí)別率總體上是隨著樣本的訓(xùn)練次數(shù)增加有微量上升，因此再一次增加樣本的訓(xùn)練次數(shù)進(jìn)行實(shí)驗(yàn)對(duì)比，來(lái)確認(rèn)訓(xùn)練的樣本數(shù)對(duì)識(shí)別率的影響，分別選用經(jīng)過(guò)次和次訓(xùn)練的手勢(shì)，總體上手勢(shì)的識(shí)別率是隨著樣本訓(xùn)練次數(shù)的增加而略有提升，不過(guò)達(dá)到一定程度之后識(shí)別率就基本保持了穩(wěn)定。
四、研究步驟：
20xx年x月-20xx年x月，收集資料，建立模型，
20xx年x月-20xx年x月，開(kāi)發(fā)軟件，
20xx年x月-20xx年x月，教學(xué)試驗(yàn)，評(píng)價(jià)修改，
20xx年x月-20xx年x月，擴(kuò)大試驗(yàn)，歸納總結(jié)。
五、參考文獻(xiàn)
[1]李強(qiáng)，張然，鮑國(guó)東，姜海燕。聾人大學(xué)生心理健康狀況及相關(guān)因素分析[J].中國(guó)特殊教育，2004,02:69-72.
[2]陸德陽(yáng)。殘疾人與近代中國(guó)殘疾人事業(yè)的發(fā)展[J].齊魯學(xué)刊，2012,06:55-58.
[3]王丹蕾，聶桂平。手語(yǔ)翻譯設(shè)備的發(fā)展現(xiàn)狀及未來(lái)趨勢(shì)[J].設(shè)計(jì)，2016,（19）：115-117.
[4]晶茹，劉麗娜。商務(wù)溝通中口譯人員的跨文化意識(shí)培養(yǎng)[J].學(xué)周刊，2017,01:217-219.
[5]賈建鋒，潘夢(mèng)佳，馬可心。發(fā)達(dá)國(guó)家本科招生制度經(jīng)驗(yàn)借鑒與啟示--基于美國(guó)、英國(guó)和日本的多案例研究[J].重慶理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)），2016,11:118-125.
[6]李金，宋陽(yáng)，梁洪。語(yǔ)言殘障患者醫(yī)療輔助系統(tǒng)設(shè)計(jì)[A].中國(guó)儀器儀表學(xué)會(huì)。第九屆全國(guó)信息獲取與處理學(xué)術(shù)會(huì)議論文集Ⅱ[C].中國(guó)儀器儀表學(xué)會(huì)，2011:4.
[7]孟繁玲。我國(guó)手語(yǔ)翻譯專業(yè)教育的現(xiàn)狀、問(wèn)題及對(duì)策[J].中州大學(xué)學(xué)報(bào)，2013,（03）：87-90.
[8]劉卓璇。國(guó)內(nèi)聾人高校課堂手語(yǔ)翻譯問(wèn)題與對(duì)策[J].中州大學(xué)學(xué)報(bào)，2014,（06）：61-63.
[9]賈建鋒，潘夢(mèng)佳，馬可心。發(fā)達(dá)國(guó)家本科招生制度經(jīng)驗(yàn)借鑒與啟示--基于美國(guó)，英國(guó)和日本的多案例研究[J].重慶理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)），2016,11:118-12.
[10]HUANG G,BAI Z,KASUN L, et al.Local receptive fields based extremelearning machine[J].IEEE Computational Intelligence Magazine,2015,10（2）：18-29.
[11]王衛(wèi)民，賀冬春。自然手語(yǔ)翻譯器系統(tǒng)設(shè)計(jì)和實(shí)現(xiàn)[J].無(wú)線互聯(lián)科技，2015,（15）：41-42.
【計(jì)算機(jī)畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告】相關(guān)文章：
計(jì)算機(jī)專業(yè)畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告11-18
畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告03-22
計(jì)算機(jī)應(yīng)用畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告范文模板03-26
音樂(lè)畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告03-08
java畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告03-26
動(dòng)畫(huà)畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告12-06
隧道畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告11-12
畢業(yè)設(shè)計(jì)開(kāi)題報(bào)告范文03-27