Spedizione gratuita per ordini superiori a 69,99 euro.

Controllare lo stato dell'ordine

Entra a far parte di una comunità di amanti dei libri di tutto il mondo e ottieni numerosi vantaggi. Crea un account gratuito

Spedizione gratuita con Packeta per un prezzo superiore a 69.99 €

Corriere Bartolini 4.49 € Punto Poste 5.49 € Punto Poste 5.49 € Punto Bartolini 3.49 € Corriere DHL 6.99 € Corriere GLS 5.99 € Punto GLS 4.49 €

Contatto

Come acquistare

Aiuto

Il mio account

▸ Vuoto :-(

Spedizione gratuita per ordini superiori a 69,99 euro.

Hand Gesture Recognition Using Computer Vision Techniques

Name: Hand Gesture Recognition Using Computer Vision Techniques
Brand: LAP Lambert Academic Publishing
SKU: 13636692
Price: 33.59 EUR
Availability: InStock
Author: Hassam Muazzam
ISBN: 9783659910579

Hassam Muazzam

Lingua

Inglese

Libro In brossura

Codice Libristo: 13636692

Casa editrice LAP Lambert Academic Publishing, luglio 2016

An endeavor has been made with the help of computer vision techniques and the release of Microsoft K... Descrizione completa

Codice Libristo: 13636692

82 b

33.59 €

Magazzino esterno Inviamo tra 5-8 giorni

Fino a 30 giorni per il reso

I clienti hanno acquistato anche

Hatful of Hollow The Smiths

CD audio

11.59 €

Almanach de France et du Musée des familles

In brossura

24.19 €

Základy islámu a jejich výklad Hanbal Imám ibn

In brossura

8.59 €

Les secrets du light painting Jadikan

In brossura

29.69 €

Discours nouveau prouvant la pluralite des mondes Pierre Borel

In brossura

16.09 €

Coleccion De Trozos Escojidos V1: De Los Mejores Hablistas Castellanos, En Verso Y Prosa (1821) Alberto Lista

In brossura

40.69 €

Camera-Kunst: Eine Internationale Sammlung Von Kunst-Photographien Der Neuzeit (1903) Fritz Loescher

In brossura

24.89 €

Historia sportu Wojciech Liponski

In brossura

52.29 €

Kagamigami. Bd.1 Toshiaki Iwashiro

In brossura

9.09 €

Reaktionsmechanismen Reinhard Brückner

Rigido

78.69 €

An endeavor has been made with the help of computer vision techniques and the release of Microsoft Kinect camera. The task of segmentation has been implemented using RGB with depth information; to enhance it, YCbCr color scheme is used. Two level feature extraction algorithms are examined, Scale Invariant Feature Transform (SIFT) for RGB images and the Gradient kernel descriptor method for depth images. Finally, Support Vector Machine (SVM) and K- nearest neighbor (K-NN) are tested.