简介：本文截取视频的一帧,针对手势肤色的特殊性和手势的易形变性,通过建立肤色模型和基于haar的AdaBoost分类器,实现手势分割,通过CamShift算法实现手势的实时追踪。通过卷积神经网络进行手势识别,实现对10种常用手势数字的识别,识别率达到98.3%。

简介：图像识别技术主要包括图像特征的提取和图像的分类,在这两种技术中,图像特征的提取是图像识别技术最关键的技术。图像特征提取的准确性是衡量一个图像识别算法好与坏的唯一指标。图像特征提取主要采用分布式点矩阵的方法,通过在图像中插入一定数量的特征点,通过对特征点的比较,将符合特征点的部分加以整合和归纳,最终得出图像的特征。但在现有的技术中,特征点的插入数量和特征点对照的准确度在各种算法中均有优劣,而深层学习作为一种组织架构更完善的处理方法,显然是很适合图像识别算法的使用。所以本文就深度学习的原理及基于深度学习原理的图像识别算法的基本原理进行探讨,并对基于深度学习的图像识别算法的研究做出详细的讨论。

简介：现代社会的信息技术，是以信息技术和网络通讯为基础，将图片、声音、视频等等多媒体方式融合在一起，给传统式的教学带来了巨大一击，使得传统式的教学模式需要随着时代的改变而不断地更新。信息技术与学科课程的紧密结合，已经成为当今教育教学的一个重要趋势，是顺应时代发展的必然要求。对其进行研究，有利于发展和提升学生的创新精神和实践能力，对学生的发展有着非常重要的促进作用。所以，面对新课程教育改革在我国的深入实施和推进，将现代信息技术与美术教学以合理方式紧密地融合在一起，从而使美术课堂教学得以进一步优化，提升美术学科的教学效果。