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。

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.

基于用户行为分析的手势跟踪方法

人手结构的高维性而导致粒子滤波跟踪方法中采样数目非常庞大,是实现运动人手的实时性跟踪研究的主要障碍之一.以降低粒子数目为目标,以行为分析和建模为切入点,提出一种手势跟踪方法.首先分析操作者在手势操作过程中的行为特征,建立人手运动的动态模型;其次,研究动态模型的基本特征,并给出一种描述方法;然后,建立人手运动的时段模型,分析了手势状态的时间-空间关系.在此基础上,提出了状态变量微观结构的概念,重点给出了基于状态变量微观结构的手势跟踪算法;最后,设计和完成了实验,并与相关参考文献方法的实验结果进行对比.结果表明,采用该算法,用少量粒子就可以得到比较精确的跟踪结果.提出的核心算法已经用于一个基于自然手势交互的三维虚拟装配原型系统.

基于认知分析的手势跟踪方法研究

以降低粒子数目为目标,以分析操作者的认知模型为切入点,提出一种新的粒子滤波手势跟踪方法。首先,分析操作者在手势操作过程中的认知心理,建立人手运动的动态模型。其次,研究动态模型的基本特征,并给出一种描述方法。然后,提出一种基于状态变量微观结构的手势跟踪算法。结果表明,采用所介绍的算法,用少量粒子就可以得到比较精确的跟踪结果。