1、“.....。基于单目的指尖检测算法需要利用手部图像的些维信息，形成手部特征。常见的手部特征有肤色特征轮廓特征，识别出手部区域后进步完成对指尖位置的检测和提取。基于单目摄像头的手势识别方法研究厦门大学种快速自适应的指尖检测方法的实现论文原稿选择最优的方法实现。此外，实验还没考虑到手臂的干扰。对于背景中类似肤色的干扰也不能完全濾除，适用于背景较单的情况。参考文献判点。部分因手部轮廓存在的凹凸不平的情况产生干扰，部分主要是那些位于两个手指之间的凹槽的轮廓点。非指尖点的排除从图中可看出满足曲率阈值的轮廓点，不仅出现在指尖部分，还会出现在两指之间的凹槽......”。

2、“.....可根据手部的指尖位置有着明显的边界特征。图为边界的表达，沿着边界轮廓计算各个像素与掌心的距离。所得到的曲线，对平移不变，旋转不变，尺度也将同趋势变化。故而可通过边界标志排除非指尖点。都具有很好的稳定性，选择其作为特征量算法简单可靠。求边缘轮廓的曲率，为了算法简单，可用向量夹角的余弦值表示，即算法。取轮廓与点的前面第个点，和后面第个点，则使用向量与向量夹角的余弦值作为点的曲率。计算时采用向量夹角公式，即由于阴影的影响，手部轮廓提取后并不是条光滑的曲线，在边缘上很可能出现凹凸不平的情况。这时选择合适的值尤为重要，值过小或过大都会因余弦值太小而被漏检或带来过研究表明在空间，除去亮度分量后的......”。

3、“.....种快速自适应的指尖检测方法的实现论文原稿。摘要为了满足基于视觉的人机互动系统中手指的识别与理解的需要，提出了种快速自适应的指尖检测方法。该方法首先将输入图像基于肤色空间进行值化，利用手指轮廓的平行特性，分离出感兴趣的手指部分。在此基础上，通过手指轮廓边缘曲率特征结合指尖的边界特征，实现指尖的快速精确检测等变化的影响，具有较强的鲁棒性。但在实用中，通过用肤色色彩范围来提取肤色区域却很困难，因为在图片中肤色会随设备和环境光照强度的不同而变化，如果样本过大会使肤色聚类效果不好。实际情况中，由于受光照的影响，肤色数据的多样性，用个高斯模型往往自适应性较差，不能很好地表达数据分布......”。

4、“.....但往往计算量过大。种快速自适应的指尖检测方法的实现论文原稿。手部肤色区域提取，高雅萍基于单目摄像头的手势识别方法研究厦门大学指尖点检测。此算法对手部区域轮廓特征特别敏感，所以在实现曲率特征提取前，对手部区域的预处理对检测结果有着非常重要的影响。预处理主要包括平滑处理，肤色提取，轮廓提取。本文对指尖位置的检测基于多种筛选方法，实现快速鲁棒的检测方法，但仍无法完全避免干扰。为了提高自适应性，各个步骤的阈值均采用区间选择最优的方法实现。此外，实验还没考虑到手臂的干扰。对于背景中类似肤色的干扰也不能完全濾除，适用于背景种快速自适应的指尖检测方法的实现论文原稿机器视觉中，图像色彩空间主要有等......”。

5、“.....较适合作为肤色分布统计的映射空间，并且，分布独立，能较好地聚类肤色区域，对姿态的变化不敏感，具备旋转不变不受表情等变化的影响，具有较强的鲁棒性。但在实用中，通过用肤色色彩范围来提取肤色区域却很困难，因为在图片中肤色会随设备和环境光照强度的不同而变化，如果样本过大会使肤色聚类效果不好。果表明，该方法能有效的检测出指尖，并为进步在人机互动系统中的应用打下基础。研究表明在空间，除去亮度分量后的，分量的联合分布服从维高斯分布。手部肤色区域提取在机器视觉中，图像色彩空间主要有等。其中颜色空间受亮度变化的影响较小，较适合作为肤色分布统计的映射空间，并且，分布独立，能较好地聚类肤色区域......”。

6、“.....具备旋转不变不受表，根据手部区域的最小外接矩形的长宽比反应手指的数量，设置个合适的的区间。的曲率选择在这个区内所得余弦值的最大值。求手部区域边缘轮廓上每隔个像素点的曲率，过滤部分边缘干扰。再通过设定阈值，将大于的点筛选出来。从图中可以看出，曲率算法将所有指尖均检测到。但是同时可以发现，该算法出现了些误判点。部分因手部轮廓存在的凹凸不平的情况产生干扰，部分主要是那些位于两个手指之间的凹槽的轮廓点。非指尖，张国家，左敦稳基于圆形梯度的手势分割算法的设计与实现机械设计与制造工程，。摘要为了满足基于视觉的人机互动系统中手指的识别与理解的需要，提出了种快速自适应的指尖检测方法......”。

7、“.....利用手指轮廓的平行特性，分离出感兴趣的手指部分。在此基础上，通过手指轮廓边缘曲率特征结合指尖的边界特征，实现指尖的快速精确检测。实验，单的情况。参考文献，的排除从图中可看出满足曲率阈值的轮廓点，不仅出现在指尖部分，还会出现在两指之间的凹槽。要去除非指尖点，可根据手部的指尖位置有着明显的边界特征。图为边界的表达，沿着边界轮廓计算各个像素与掌心的距离。所得到的曲线，对平移不变，旋转不变，尺度也将同趋势变化。故而可通过边界标志排除非指尖点。在每个类指尖点有明显的聚类效果。按均值聚类找出个聚类中心，即每个指尖位置。结论本文的核心是基于曲率的种快速自适应的指尖检测方法的实现论文原稿示，即算法......”。

8、“.....和后面第个点，则使用向量与向量夹角的余弦值作为点的曲率。计算时采用向量夹角公式，即由于阴影的影响，手部轮廓提取后并不是条光滑的曲线，在边缘上很可能出现凹凸不平的情况。这时选择合适的值尤为重要，值过小或过大都会因余弦值太小而被漏检或带来过多干扰点。为了适应不同大小的目标手区域自适应的找出最优的值是基于曲率的指尖检测算法关键因素。具体实现过开发出了人机交互系统，他们把手指看作是个矩形和半圆形的组合，然后利用模板匹配来定位指尖。首先利用贝叶斯分类器和自适应的颜色概率分布来检测和跟踪人手，对轮廓数据进行曲率计算并确定指尖位置。基于轮廓分析法和基于模板匹配法都需要依赖良好的手部图像......”。

9、“.....种快速自适应的指尖检测方法的实现论文原稿。本文还采用了中值滤高雅每个类指尖点有明显的聚类效果。按均值聚类找出个聚类中心，即每个指尖位置。结论本文的核心是基于曲率的类指尖点检测。此算法对手部区域轮廓特征特别敏感，所以在实现曲率特征提取前，对手部区域的预处理对检测结果有着非常重要的影响。预处理主要包括平滑处理，肤色提取，轮廓提取。本文对指尖位置的检测基于多种筛选方法，实现快速鲁棒的检测方法，但仍无法完全避免干扰。为了提高自适应性，各个步骤的阈值均采用区干扰点。为了适应不同大小的目标手区域自适应的找出最优的值是基于曲率的指尖检测算法关键因素。具体实现过程......”。