u010843609的博客

越来越多的网站使用虚拟现实(VR)康复由许多优势是有道理的,比如一个吗增加病人的动机、学习的重复试验,可能调整治疗个别主题,安全的环境,定量评估病人的改善,和远程数据访问。本文提出了一种新颖的低成本病人在任务导向性能的评价方法手康复基于两个关键元素:一个虚拟的环境(VE)病人打交道,和微软的Kinect动作感应设备,用于完全与VE交互和反馈病人运动为了执行一个离线分析。这个目的,VE配备了一个虚拟的手和虚拟物体病人吗与之交互。为了使之间的交互以耐心,已经成为可能,一个健壮的标记为准的手指跟踪通过使用贝叶斯估计算法开发方法。

云计算是一种新兴的计算模型, 它是在网格计算的基础上发展而来的。介绍了云计算的发展历史和应 用场景, 比较了现有的云计算的定义并给出了新的定义, 以谷歌的云计算技术为例, 总结了云计算的关键技术: 数据 存储技术( Goog le F ile System )、数据管理技术( B igTab le)、编程模型和任务调度模型(M ap-Reduce) 等, 分析了云计算和 网格计算以及传统超级计算的区别, 并指出了云计算的广阔发展前景。

专人跟踪是一种姿态的根本任务识别系统。大部分以前的作品所追踪的手在彩色图像位置和肤色严重依赖信息。然而，颜色信息是很容易受到照明变化和肤色的差异各地不同的人种族。此外，不能有效地鉴别面或从手等皮肤色状物体使用肤色时检测。在本文中，我们提出了一个手势跟踪算法使用深度图像只，并且也是手点击检测方法自动初始化专人跟踪。我们证明该深度的图像即可，有利于实时专人跟踪。的区域生长技术应用到段手区域的深度图像。然后基于均值漂移算法准确地定位在分段的手中心手区域。实验结果表明，该跟踪算法运行在300+的FPS，和平均误差所跟踪的3D手，持仓量为小于1厘米。该提出的方法使得大量的潜在应用到自然的人机交互（HCI），并且是足够的对于消费电子产品，由于其低的嵌入式系统复杂性和低带宽要求。

关于手势的研究活动为基础的用户界面（UI）已经增殖，在过去十年[1]，[5]。其中各种基于手势的用户界面，接触界面已经进入了聚光灯下的人机交互（HCI）的智能电视和移动设备。非接触式用户界面的方法已经深入的研究，因为它们不仅提供了一个直观的 接口也无需额外的硬件。大多数的非接触式的用户界面已经基于颜色基于视觉的手势跟踪[2]，[3]。基于颜色的跟踪有两个致命的局限性：1）背景往往具有相似的颜色来双手武器。 2）照明勤换。为了避免色为主跟踪这些问题，我们提出了一种新颖的基于深度的专人跟踪合适的算法手势识别。

关于手势的研究活动为基础的用户界面（UI）已经增殖，在过去十年[1]，[5]。其中各种基于手势的用户界面，接触界面已经进入了聚光灯下的人机交互（HCI）的智能电视和移动设备。非接触式用户界面的方法已经深入的研究，因为它们不仅提供了一个直观的 接口也无需额外的硬件。大多数的非接触式的用户界面已经基于颜色基于视觉的手势跟踪[2]，[3]。基于颜色的跟踪有两个致命的局限性：1）背景往往具有相似的颜色来双手武器。 2）照明勤换。为了避免色为主跟踪这些问题，我们提出了一种新颖的基于深度的专人跟踪合适的算法手势识别。

计算机视觉（CV）是一门研究如何利用计算机来处理一系列视觉问 题的研究领域。手势识别是其中一个重要议题。其目标是利用计算机理 解人类的手势从而创造一系列自然的人机交互（HCI）体验。上海交通大 学 E-Learning 实验室的“标准自然教室”（SNC）在传统教室的基础上， 利用大量的人工智能，计算机视觉，多媒体等技术，为师生提供更加交 互的教学环境。本文通过对最新的科技产品 Kinect 在 SNC 的创新智能教 室框架下的应用探索，提出了结合手势识别与增强现实技术的教育辅助 系统的设想并进行了实现。