对于一次学习手势识别,噪声和全局经验运动约束严重影响时空特征的精确与充分提取,为此提出了一种融合颜色和深度(RGB-D)信息的自适应局部时空特征提取方法.首先建立连续两灰度帧和两深度帧的金字塔以及相应的光流金字塔作为尺度空间....对于一次学习手势识别,噪声和全局经验运动约束严重影响时空特征的精确与充分提取,为此提出了一种融合颜色和深度(RGB-D)信息的自适应局部时空特征提取方法.首先建立连续两灰度帧和两深度帧的金字塔以及相应的光流金字塔作为尺度空间.然后根据灰度和深度光流的水平与垂直方差自适应提取运动感兴趣区域(motion regions of interest,MRo Is).接着仅在MRo Is内检测角点作为兴趣点,当兴趣点的灰度和深度光流同时满足局部运动约束时即为关键点,局部运动约束是在每个MRo I内自适应确定的.最后在改进的梯度运动空间计算SIFT-like描述子.Chalearn数据库上的实验结果表明:提出方法得到了较高的识别准确率,其识别性能优于现已发表的方法.展开更多
文摘对于一次学习手势识别,噪声和全局经验运动约束严重影响时空特征的精确与充分提取,为此提出了一种融合颜色和深度(RGB-D)信息的自适应局部时空特征提取方法.首先建立连续两灰度帧和两深度帧的金字塔以及相应的光流金字塔作为尺度空间.然后根据灰度和深度光流的水平与垂直方差自适应提取运动感兴趣区域(motion regions of interest,MRo Is).接着仅在MRo Is内检测角点作为兴趣点,当兴趣点的灰度和深度光流同时满足局部运动约束时即为关键点,局部运动约束是在每个MRo I内自适应确定的.最后在改进的梯度运动空间计算SIFT-like描述子.Chalearn数据库上的实验结果表明:提出方法得到了较高的识别准确率,其识别性能优于现已发表的方法.