计算机开题报告（精选27篇）

　　本文设计的关键是对手势的建模训练，尤其是对待识别的手势的确定。具体的应用决定了采用什么样的手势模式，只有建立准确的手势模型才能利用算法进行对识别到的手势做出正确反馈。通常手势建模和手势识别所使用到的方法是相异的，采集手势特征数据的方法也不一样。目前基于数据手套的特征捕获方法是比较常用的采集数据信息的方式，通过选择相应的识别算法实现手势的识别反馈。

　　2。常用手势识别算法分析

　　2。1人工神经网络算法

　　这种算法还具有抗干扰能力和容错性强识别速度快等优点，它能把预处理和识别的过程同时进行处理。在目前的识别领域中，运用的比较多的神经网络是误差反向传播神经网络（简称网络）。 BP 神经网络结构图算法是一种有监督式的学习算法，它由三部分构成输入层、中间层（也叫隐藏层）和输出层，其中的输入层和输出层的神经元节点是固定的数目，两层之间存在从输入层到输出层的前馈连接和输出层至输入层的反馈连接，只有隐藏层的神经元是可以自由定义的。

　　在人际交互识别领域中应用神经网络算法进行手势的识别时首先需要有自己的数据库系统，再对采集到的手势数据序列进行算法的训练，使用训练好的网络去识别输入的手势数据信息数据的含义即达到识别手势的目的，识别到后经由计算处理以实现人机交互的目的。神经网络的优点是抗干扰性和容错能力强，缺点是训练量比较大，扩充性不强对时序建模能力差，无法有效处理动作的速率带来的问题。

　　2。2动态时间规整

　　动态时间规整曾是语音识别的一种主流方式，它是一种将时间归整与距离测度结合起来的非线性正则化的技术，算法是建立一套科学的时间校准匹配路径将测试模式和参考模式建立起联系的算法。

　　DTW的算法主要利用的动态编程技术（Dynamic Programming， DP）去实现，它的算法实现是将全局的优化分化成众多的局部最优化。所以在使用算法的时候需要将各局部最优化，已达到全部的最优化。

　　在DTW算法中由于容易实现和数据的训练简单等优点被用在语音识别中广泛应用，但在手势识别领域由于其运算量太大和较弱的抗噪能力，很难达到对手势识别的实时性的要求。

　　2。3特征选择

　　手势识别本质上是对手势进行多分类任务，在实际的实验测试过程中，能够准确区分手部状态是进行手势识别任务的前提条件，且对后续的分类以及检测等任务的精准度至关重要。

　　比如在进行图像识别过程中，对拍摄到的图像进行特征提取是判别手势的第一步，特征性质的优劣是后续进行图像信息处理的关键，对采集到的数据进行特征提取，提取过程中如果特征过于简单就会造成对图像信息的提取不全，导致最后的判别精确度较低的问题不能满足手势识别对人体手势识别高精确度的要求，而如果不考虑提取到的特征维度问题，容易造成数据维度灾难现象即产生大量的特征数据使计算机无法短时间进行处理，这样不能满足手势识别对于现场实时性的要求。

　　因为在三维空间中执行的手势是动态的，采集到的加速度和姿态角的数据也是实时变化的，所以对于手势识别的数据是由内嵌在手套中的两个六轴陀螺仪加速度传感器产生的，当手部移动时会产生加速度，角速度姿态角等实时数据信息，处理器通过对传感器识别的运动数据进行采集计算最终识别手势的动作。

　　三、实验结果测试与分析

　　1。实验手势

　　本章主要内容是根据前面内容进行试验，通过实验验证可穿戴智能手套翻译器能够使用改进型的识别算法提高手势的识别率和识别精度。

　　为验证嵌入式系统对手势手语识别的可行性，在进行试验时候从准备好的手势模型中各取四个进行手势识别试验。开始手势表达时要按箭头的方向做轨迹，同时要求一次性完成动作，不能在动作执行时有停顿，做完每一个手势都要停顿一定时间。

　　2。实验过程及数据统计

　　本文所采取的实验方法及过程如下：

　　首先，实验所用的手势模板是已经定义好了的手势集合，实验时从中选取定义好的手势集。

　　其次，从手势集合中选取部分手势进行算法识别，在这个过程中逐渐将训练样本数量由少到多增加，观察样本数量对识别率的影响。

　　最后，使用改进型算法对手势进行识别，同样将样本数量逐渐增多，观察样本数量对手势识别率的影响，将两种算法识别的结果进行对比，比较识别率。

　　整个识别的流程通常是由以下几步完成的：系统的初始化、检测动作的状态是否开始、记录数据集、检测动作是否结束，模型对比和识别结果，实验的流程图如图所示。

　　识别动作时最重要的是准确判断手势的开始时刻，因为每一个手势动作通常可能会连续摆动来表达含义，所以在进行动作识别时需要采集传感器信息加速度的变化去判断是否为开始信号，过程是传感器采集到数据时判断是否开始，若是开始信号则开始转换数据进行对手势的识别，当传感器停止传输数据时则表动作结束同时语音播放。

　　根据实验结果可知手势识别率总体上是随着样本的训练次数增加有微量上升，因此再一次增加样本的训练次数进行实验对比，来确认训练的样本数对识别率的影响，分别选用经过次和次训练的手势，总体上手势的识别率是随着样本训练次数的增加而略有提升，不过达到一定程度之后识别率就基本保持了稳定。

　　四、研究步骤：

　　x年x月—x年x月，收集资料，建立模型

　　x年x月—x年x月，开发软件

　　x年x月—x年x月，教学试验，评价修改

　　x年x月—x年x月，扩大试验，归纳总结

　　五、参考文献

　　[1]李强，张然，鲍国东，姜海燕。聋人大学生心理健康状况及相关因素分析[J]。中国特殊教育，20xx，02：69—72。

　　[2]陆德阳。残疾人与近代中国残疾人事业的发展[J] 。齐鲁学刊，20xx，06：55—58。

　　[3]王丹蕾，聂桂平。手语翻译设备的发展现状及未来趋势[J]。设计，20xx，（19）：115—117。

　　[4]晶茹，刘丽娜。商务沟通中口译人员的跨文化意识培养[J]。学周刊，20xx，01：217—219。

　　[5]贾建锋，潘梦佳，马可心。发达国家本科招生制度经验借鉴与启示——基于美国、英国和日本的多案例研究[J]。重庆理工大学学报（社会科学），20xx，11：118—125。

　　[6]李金，宋阳，梁洪。语言残障患者医疗辅助系统设计[A]。中国仪器仪表学会。第九届全国信息获取与处理学术会议论文集Ⅱ[C]。中国仪器仪表学会，20xx：4。

　　[7]孟繁玲。我国手语翻译专业教育的现状、问题及对策[J]。中州大学学报，20xx，（03）：87—90。

　　[8]刘卓璇。国内聋人高校课堂手语翻译问题与对策[J]。中州大学学报，20xx，（06）：61—63。

　　[9]贾建锋，潘梦佳，马可心。发达国家本科招生制度经验借鉴与启示——基于美国，英国和日本的多案例研究[J]。重庆理工大学学报（社会科学），20xx，11：118—12。

　　[10]HUANG G，BAI Z，KASUN L， et al。Local receptive fields based extremelearning machine[J]。IEEE Computational Intelligence Magazine，20xx，10（2）：18—29。

　　[11]王卫民，贺冬春。自然手语翻译器系统设计和实现[J]。无线互联科技，20xx，（15）：41—42。

计算机开题报告 篇22

　　一、本课题的目的和意义

　　在日常办公中，通常会遇到许多常用的数据，比如邮件地址、日程助手、日常记事等，这些数据通常凌乱不堪，在需要时不知道存放在何处，从而影响工作效率。因此，我们设计了能满足这种需求的系统——中小企业办公自动化管理系统。

　　通过中小企业办公自动化管理系统对企业日常办公进行管理，满足了企业日常办公管理各方面的需求，实现了企业的员工之间短消息的发送与接收功能，大大的方便了企业内部人员沟通。网站提供的前后台的公告与公文信息的管理方便员工及时了解公司动态。其他功能模块的设置使企业的日常管理步入了科学系统管理的轨道上。

　　二、本课题的主要研究内容(提纲)

　　完成“中小企业办公自动化管理系统”的设计，中小企业办公自动化管理系统是一个适应于中小型企业的能满足日常办公需求管理系统，本系统初步拟定由以下六个模块组成。

　　(一)个人通讯录

　　该模块用作每一个登录系统的用户来维护自己的通讯录，通讯录中需要保存信息有姓名、性别、手机、E-mail地址、QQ号码、公司、家庭住址、邮编。通知本模块个人用户可以自由维护个人基本信息以及自由添加联系人信息;可以方便查询联系从，可以修改或删除某一个联系人。