完整後設資料紀錄
DC 欄位 | 值 | 語言 |
---|---|---|
dc.contributor.author | 林昇甫 | en_US |
dc.contributor.author | LIN SHENG-FUU | en_US |
dc.date.accessioned | 2014-12-13T10:38:32Z | - |
dc.date.available | 2014-12-13T10:38:32Z | - |
dc.date.issued | 1997 | en_US |
dc.identifier.govdoc | NSC86-2212-E009-018 | zh_TW |
dc.identifier.uri | http://hdl.handle.net/11536/95481 | - |
dc.identifier.uri | https://www.grb.gov.tw/search/planDetail?id=279810&docId=50429 | en_US |
dc.description.abstract | 最近幾年來,人機介面的研發一直朝著更合乎人性化、更有效率、更多樣化的方向邁進。這將使機器與機器使用者的距離縮短,而且能更有效,更合乎需求地來使用機器達到我們的目的。由於手勢是一種相當原始又自然的示意方式,本子計畫將對手勢介面作研究。 它將分成九個部份:透過 CCD 取像系統獲得影像,從影像中將手勢分離出來,學習手勢,辨識手勢,手勢模糊性的研究,以手勢操控機器臂,知識庫的建立,在操控機器臂方面學習能力的建立,有視窗選項的手勢操控等進行研究。我們以 CCD 取像系統取得手勢影像後,利用邊緣偵測的技巧, 將影像中的手勢部分分離出來。 我們定義了 32 種標準手勢, 並且自行發展 AdaptiveHamming Net(AHN) 神經網路架構,對這些標準手勢進行學習。 完成上述工作後,我們目前正在測試辨識率,同時分析手勢特徵的選取的成效。有了第一年的成果,第二年將目標放在提高手勢辨識率及將手勢介面應用到機器臂的操控上。關於提高辨識率方面,由於手勢具有模糊性,因此,這將涵蓋影像分割、特徵抽取、學習法則等的重新檢測,及它們對手勢模糊性的容忍狀況。第二部份,我們將要求手勢介面能成功地和機器臂連線完成初期控制目標。第三年,將朝智慧型控制的方向努力,將手勢介面引進到透過虛擬環境的機器臂遙控上,此時,我們將為這項實驗建立手勢方面的知識庫,利用虛擬畫面所提供的資訊建立操控機器臂方面的學習能力。同時建立視窗選項,直接以手指示意操控指令來進行操控機器臂,達到操控機器臂的目的。 | zh_TW |
dc.description.sponsorship | 行政院國家科學委員會 | zh_TW |
dc.language.iso | zh_TW | en_US |
dc.subject | 人機介面 | zh_TW |
dc.subject | 手勢 | zh_TW |
dc.subject | 類神經網路 | zh_TW |
dc.subject | 虛擬環境 | zh_TW |
dc.subject | 知識庫 | zh_TW |
dc.subject | 回授學習能力 | zh_TW |
dc.subject | Man-machine interface | en_US |
dc.subject | Hand gesture | en_US |
dc.subject | Neural network | en_US |
dc.subject | Virtural environment | en_US |
dc.subject | Knowledge base | en_US |
dc.subject | Feedback learning copability | en_US |
dc.title | 於虛擬環境中之人性化人機介面技術開發及其於機器臂操控之應用---子計畫二:具有回授學習能力的手勢控制介面之研製及其於機器臂操控之應用(II) | zh_TW |
dc.title | The Technology on Gesture Control Interface System with Feedback Learning Capability and Its Applications on Telerobot Operations(II) | en_US |
dc.type | Plan | en_US |
dc.contributor.department | 交通大學控制工程研究所 | zh_TW |
顯示於類別: | 研究計畫 |