基于神经网络与卡尔曼滤波的手部实时追踪方法

针对传统的手部跟踪算法存在实时性差、识别精度低、易受环境影响等问题,提出了一种基于神经网络与卡尔曼滤波的手部实时追踪方法。该方法首先通过神经网络对视频中出现的检测目标进行定位,接着用卡尔曼滤波对目标运动进行估计,将估计的结果与下一帧图像中检测到的目标进行比对;然后对检测到的目标进行跟踪,将手部运动的轨迹实时显示。实验结果表明,该方法能够对多个手部目标实时进行追踪,并在手部运动过程中出现交叉和形变的情况下还能保持跟踪,其平均处理帧数为21.212 f/s,追踪正确率为94.88%,基本满足手部跟踪的稳定可靠、高实时性、高鲁棒性等要求。