基于非参数信念传播的可行C-空间关节人手跟踪方法

采用三维人手图模型描述了人手结构、运动学、动力学及自遮挡特性,将人手高维(27维)跟踪问题转为并行跟踪16个6维变量的问题,降低了计算复杂度.在非参数信念传播过程中嵌入连续自适应均值漂移方法得到可行C-空间,在该空间中传递消息以提高跟踪效率.实验结果表明,该方法在人手发生自遮挡的情况下,能快速、鲁棒地跟踪关节人手.

以改善精度为目标的人手跟踪方法研究

分别从UKF滤波器的内在机理和人手运动模型两个方面入手,以改善跟踪结果的精确度为基本目标,重点对UKF算法中存在的部分理论问题进行了探讨,在此基础上提出了改进后的UKFDUT算法,同时也对IMM进行了改进,把IMM模型变为MM模型,再进一步将UKFDUT算法和MM模型相融合,得到UKFDUT+MM算法.研究表明,Sigma点具有一些特性,通过对这些特性进行研究,可以找到改进跟踪精度的新途径;把MM模型和人手模型评价标准相结合,可以取得比单独使用IMM更好的跟踪精度.实验结果也表明了算法的有效性和令人满意的跟踪精度.

基于粒子滤波与改进水平集的人手跟踪

提出一种基于肤色信息的改进水平集分割算法,给出整个算法的推导和实现过程,实现复杂背景下的精确人手轮廓分割,在进行人手跟踪时,使用粒子滤波对手的位置和大小进行跟踪,并用跟踪结果初始化水平集函数,以此加快轮廓曲线的收敛速度,获得手的轮廓后,对指尖位置进行定位。实验结果表明,该算法能够在复杂背景下实时、准确地跟踪人手轮廓和指尖位置。

基于动态可见手指的人手跟踪算法研究

在下述基本假设下提出了一种基于单目相机结构的人手跟踪算法:(1)大拇指根始终可见;(2)除大拇指外,至少有另外一个手指是可见的。首先,利用UKF滤波技术,获取人手的全局运动,然后,利用3-D约束条件和最小化代价函数获取各关节的局部运动。实验表明,算法可以部分地解决人手自遮挡问题,具有令人满意的跟踪精度。

层级潜变量空间中的三维人手跟踪方法

针对人手状态空间维数过高的问题,提出一种基于层级流形学习的三维人手跟踪方法.将人手状态空间划分成多个人手部分状态空间,采用层级高斯过程潜变量模型得到更能反映人手运动本质的树状低维流形空间,降低了粒子滤波器有效跟踪人手所需的粒子数量;使用径向基函数插值方法构建低维流形空间到图像空间的非线性映射,将低维粒子直接映射到图像空间中观测.实验结果表明,该方法可以鲁棒地跟踪关节人手.

一种强跟踪滤波器及其在人手跟踪中的应用

通过对状态预报误差的协方差矩阵的各个分量分别进行控制,设计一种强跟踪扩展卡尔曼跟踪滤波器,并在单目相机环境下利用该滤波器对3D人手运动过程中的突变状态进行跟踪;讨论了3D人手生理模型、运动模型等问题;最后通过大量实验证明了该强跟踪滤波器的有效性.与现有的STEKF滤波器相比,文中的强跟踪滤波器具有更强的跟踪能力.

一种基于改进UKF的3D人手跟踪算法

将手指作为基本处理对象,对UKF(unscented Kalman filter)算法进行改进,并利用它对当前手指各关节进行预测;以预测值作为初值,用局部搜索技术对误差较大的关节用改进的UKF算法重新进行预测,直到该手指在像平面上的投影轮廓和图像轮廓之间的距离图满足指定的精度为止.该算法以状态变量量测值的获取作为突破口,解决现有算法中跟踪精度过分依赖于3D人手模型精度的问题.实验结果表明,该算法具有较强的处理局部自遮挡问题能力,对3D人手模型的不精确性也具有更好的鲁棒性.

基于团结构的三维关节人手跟踪方法

针对传统图模型建模人手中约束函数冗余度高的问题,提出一种基于团的图模型表示关节人手。该模型充分利用人手特有的生理结构和运动约束表示人手,在一定程度上消除了传统人手图模型中的冗余信息,降低模型表示的复杂度。给出人手团势函数用于建模人手各个部分之间的约束关系。实验结果表明,该模型提高跟踪算法的效率,能够满足基于视觉的精细人手跟踪的要求。

人手跟踪方法研究综述

为设计和改进基于视觉的精细人手跟踪方法,对现有相关研究工作和人手跟踪方法进行了分析与对比,包括人手跟踪方法的实现过程、需要解决的关键问题及研究现状,对今后可能的研究方向和方法进行了展望。

基于ICONDENSATION算法的人手跟踪与手势识别算法

为实现基于手势的智能人机交互,提出了一种基于视觉的人手跟踪与手势识别算法.该方法以ICON-DENSATION算法为基础,融合颜色与深度信息进行重要采样,结合轮廓信息并通过ASM模型的能量函数进行观测,根据最大后验概率对几种预定义的手势进行识别.实验结果表明,该算法能够有效地实现复杂背景下的人手跟踪与手势识别,为进一步实现智能人机交互奠定了基础.

采用改进粒子群优化粒子滤波的三维人手跟踪

针对高维人手状态空间中的采样稀疏问题,提出了一种基于改进粒子群优化粒子滤波的关节人手跟踪方法,用于从Kinect获取的深度图像序列中恢复三维人手运动。首先,利用简单几何基元建立三维人手模型,并为其添加自由度节点,用于在跟踪过程中生成可与观测特征进行比较的人手姿势假设。然后,在粒子滤波框架下,使用深度图像作为观测输入,融合深度特征与区域特征建立了系统观测模型。最后,将粒子群优化粒子滤波应用于关节人手运动跟踪。为避免在高维空间中的早熟收敛问题,利用模拟退火思想和局部随机化方法对算法进行改进,增强了算法的全局搜索能力。通过合成序列和真实序列上的跟踪实验对该方法进行了评价,结果表明该方法的关节角度跟踪误差均值约为2.3°,标准差约为1.7°,优于标准粒子滤波和标准粒子群优化跟踪方法,可以准确、鲁棒地从深度图像跟踪三维人手运动。

基于穿戴视觉的人手跟踪与手势识别方法

为了解决人与穿戴计算机的自然交互问题,提出了一种基于穿戴视觉的人手跟踪与手势识别方法.该方法以Icondensation算法为基础,综合利用穿戴视觉系统输出的深度和灰度信息进行人手跟踪,并引入了手势变换模型.该模型可以在几种预先定义的手势之间进行动态变换.实验结果表明,该方法可以有效地实现动态和复杂背景下的人手跟踪与手势识别,为穿戴计算机系统提供自然友好的手势交互途径.

三维人手跟踪中微观结构的应用

为构建更准确、更自然的三维人手交互系统,提出基于状态变量微观结构的粒子滤波算法和基于交互微观结构的反馈机制。对三维人手跟踪系统中的人手交互行为数据和人手状态变量数据进行分析,确定有效的交互微观结构和状态变量微观结构;利用交互微观结构建立有效路径选择及交互反馈机制;应用状态变量微观结构建立各个动作采样模型,构造采样数据库,完成基于状态变量微观结构的粒子滤波算法;采用基于状态变量微观结构的粒子滤波算法和基于交互微观结构的反馈机制构建三维人手交互系统,完成虚拟装配任务。实验结果表明:微观结构应用于三维人手交互系统,提高了算法的精度。

多特征融合的实时人手跟踪算法（英文）

由于复杂背景、形变以及运动造成的模糊等因素,导致在自然场景下的人手跟踪仍然是一个具有挑战性的问题.本文中,结合运动、颜色和Haar-like特征来构造一个具有鲁棒性的实时人手检测算法.尽管不能运用于所有的情形,但Haar-like特征成功地去除了类似肤色的运动背景区域.利用三个特征构造三个弱分类器,然后将其结合成一个强分类器.如果一个分类器已经确定了人手的位置,其他分类器将不会执行,否则将会为下一个分类器提供一个可能的区域.文中实现了提出的算法,并且在几个具有挑战性的视频序列上进行了实验.

基于粒子滤波与改进GVF Snake的人手跟踪算法

为实现在复杂背景下对人手进行准确、快速的位置跟踪与轮廓跟踪,并针对粒子滤波无法获取人手目标的准确信息与人手深凹区域获取难的问题,提出一种基于肤色自适应梯度矢量流主动轮廓(Gradient Vector Flow Snake,GVF Snake)模型的粒子滤波算法实现人手跟踪.该算法首先对粒子滤波得到的人手区域进行肤色灰度增强,弱化背景梯度信息,然后对该区域利用引入自适应梯度矢量流场和肤色自适应外部引导力的GVF Snake模型,获取人手的真实轮廓以及准确的系统观测和系统状态,减少了粒子退化的可能,完成了更加准确的位置跟踪.实验表明:在复杂、运动背景甚至大范围遮挡的情况下,该改进算法获得了更加准确的人手轮廓,同时对人手跟踪的实时性提升了13%,均方根误差降低了48%.

基于粒子滤波器的运动人手3D跟踪

为改善基于粒子滤波算法的运动人手跟踪精度,结合高斯分布改进粒子滤波算法的采样过程.利用第k帧手势的帧图像信息和k-1帧手势的量测值恢复第k帧手势的量测值,按照高斯分布进行粒子采样,并根据手势特征点信息与手势的观测值衡量采样粒子的权重,调整粒子分布,然后根据运动过程中各个关节的预测值和真实值更新高斯分布的均值、方差,产生更接近真实状态的粒子.为验证算法的有效性,分别从跟踪精度和平均运行时间2个方面进行了大量对比实验.结果表明:与传统的粒子滤波算法相比,改进后的粒子滤波算法可以运用较少的粒子数达到较高的跟踪精度,节省了时间开销.引入高斯分布后,缩小了跟踪过程中手势真实解的搜索范围,避免了"维数灾难".

快速的三维人手运动跟踪方法研究

三维人手运动跟踪是人机交互领域的一个重要研究方向.提出了一种新的基于模型的三维人手运动跟踪方法,该方法将层次优化嵌入到基于粒子滤波器的跟踪框架中,通过在隐状态空间中对粒子采样来提高粒子滤波器采样效率.首先,提出了采用低维隐状态来描述人手的配置状态,并根据人手的生理运动约束建立人手动态模型;其次,为提高粒子在隐状态空间的采样效率,提出了采用层次遗传优化来快速地在局部寻找好的粒子,并以此作为重要度采样函数修正粒子滤波的采样算法.实验结果表明,该方法可以在人手自遮挡存在时的复杂背景下快速地对人手运动进行跟踪.

基于Camshift算法的人手检测与跟踪定位方法研究

针对人机交互问题中的人手检测与跟踪定位，提出了一种基于肤色分割和模板匹配的人手检测的方法。首先是用肤色分割和模板匹配的方法进行人手检测，然后把检测结果作为Camshift算法跟踪的一个重要目标进行跟踪。实验结果表明，该方法能够有效地实现复杂背景下的人手检测与跟踪，为进一步实现智能人机交互和移动设备身份认证奠定基础。

基于实例化相关滤波器的鲁棒人手跟踪

针对无约束环境下人手的跟踪问题,提出了一个基于实例化的鲁棒人手跟踪算法.该算法将多个基于相关滤波的跟踪器组合成跟踪器集合,每个跟踪器对应的相关滤波器由一个特定的跟踪结果训练而来,在后续的跟踪过程中不会更新.此外,为避免模型漂移,该算法结合基于颜色模型的分割对跟踪结果进行调整.对比实验表明:在复杂场景中提出的算法相较于单一的相关滤波跟踪或基于颜色模型的跟踪算法有明显的提升,相较于其他一些跟踪算法跟踪效果也更好.

以时间优化为目标的粒子滤波手势跟踪方法研究

从人手连续形变的时间模型、连续形变的时段模型、突变强度和自遮挡特征等不同角度描述人手状态变量的微观结构,将其作为设计粒子滤波跟踪算法的基本数据层,还对各帧粒子数目的动态分配方式进行了探讨.实验表明,与传统的粒子滤波算法相比较,本文基于状态变量微观结构的粒子滤波手势跟踪算法可以大幅度降低粒子数目.