手姿估计

2020-12-29 14:41:23 浏览:282

定义

根据深度或RGB双目图像提取一组预定义的手关节位置[1]。具体来说,输入是包含人手的深度或RGB-D数据,输出是预先定义的K 个手关节的三维位置和角度。忽略关节角度约束,一般来说,手具有25–50个自由度(DoF)。如下图1所示,一种预先定义的包含21个关节和26个自由度(DoF)的手模型。

图 1 手模型示意图,显示了21个关节和26个自由度(DoF)的典型手运动模型

3D手姿估计的算法一般分为模型驱动法和数据驱动法两大类 [1] 。模型驱动法的策略是构造一个模型来比较生成的手势图像与实际图像的差异,并采用优化问题的思路来最小化这个差异,进而实现三维手势的追踪和识别。下图二所示为一种基于Gauss-Newton 优化法进行手势追踪和识别的效果示意图 [2] 。与之相对的数据驱动方法的策略是:预先对手势图像进行标注,然后利用标注好的数据训练一个分类器或者回归模型,进而实现三维手势的追踪和识别 [3] 。

图 2 基于Gauss-Newton 优化法进行手势追踪和识别的效果示意图

参考文献

[1] Li R, Liu Z, Tan J. A survey on 3D hand pose estimation: Cameras, methods, and datasets[J]. Pattern Recognition, 2019, 93: 251-272.
[2] Taylor, Jonathan, et al. "Efficient and precise interactive hand tracking through joint, continuous optimization of pose and correspondences. " ACM Transactions on Graphics (TOG) 35.4 (2016): 1-12.
[3] Otberdout. "Hand pose estimation based on deep learning depth map for hand gesture recognition." 2017 Intelligent Systems and Computer Vision (ISCV). IEEE, 2017.

作          者: 泮桥成像光电商城

出          处: https://www.ipanqiao.com/entry/96

版          权:本文版权归泮桥成像光电商城所有

免责声明:本文中使用的部分文字内容与图片来自于网络,如有侵权,请联系作者进行删除。

转          载:欢迎转载,但必须保留上述声明;必须在文章中给出原文链接;否则必究法律责任。

Copyright © 2019-2022 南京超维景生物科技有限公司 版权所有 www.ipanqiao.com苏ICP备20009590号-1
联系我们
立即做合同
微信客服
电话咨询

400-998-9826

17302548620

快速留言

泮桥成像光电商城专业人员会在24小时之内联系您

关闭 提交