-
公开(公告)号：CN103456012A
公开(公告)日：2013-12-18
申请号：CN201310395199.8
申请日：2013-09-03
Applicant: 北京大学深圳研究生院
Abstract: 本发明涉及一种基于最大稳定曲率区域的视觉人手检测跟踪方法及系统，在由人手检测单元和空间条件约束单元以及输入/输出端组成的系统中，其跟踪方法如下：1）采用摄像头提取得到RGB图和/或深度图，通过待跟踪物体的初始位置，得到前景物体和背景物体；2）根据肤色点的连通区域对RGB图进行肤色检测得到人手和/或人脸的候选肤色区域；3）根据深度图中的正向投影对深度图进行最大稳定曲率计算，得到最大稳定曲率区域；4）对所说候选肤色区域和最大稳定曲率区域按照空间约束条件进行结合，确定出人手和头部位置，得到人手的检测跟踪结果。本发明实现了鲁棒的基于视觉的人手跟踪，增强了对光照变化和快速运动的鲁棒性。
-
公开(公告)号：CN103426008A
公开(公告)日：2013-12-04
申请号：CN201310385425.4
申请日：2013-08-29
Applicant: 北京大学深圳研究生院
IPC: G06K9/66
Abstract: 本发明涉及一种基于在线机器学习的视觉人手跟踪方法及系统，系统包括：跟踪器、检测器和在线机器学习。跟踪方法为：本发明通过在线学习将基于分类器的检测和基于运动连续性的跟踪结合起来，以实现对现实应用场景鲁棒的人手跟踪。通过利用层级分类器（检测器）对搜索区域内的像素点进行分类，得到对目标的保守但稳定的估计；利用结合鸟群算法的光流法跟踪器对目标进行适应性较强但不太稳定的估计；利用在线学习机制将二者结合得到的跟踪结果，并且根据时间空间约束产生新的样本来在线更新层级的分类器，从而实现跟踪器和检测器的互补，来获得更加鲁棒的跟踪结果。本发明增强了对光照变化和快速运动的鲁棒性。
-
公开(公告)号：CN103426008B
公开(公告)日：2017-04-05
申请号：CN201310385425.4
申请日：2013-08-29
Applicant: 北京大学深圳研究生院
IPC: G06K9/66
Abstract: 本发明涉及一种基于在线机器学习的视觉人手跟踪方法及系统，系统包括：跟踪器、检测器和在线机器学习。跟踪方法为：本发明通过在线学习将基于分类器的检测和基于运动连续性的跟踪结合起来，以实现对现实应用场景鲁棒的人手跟踪。通过利用层级分类器（检测器）对搜索区域内的像素点进行分类，得到对目标的保守但稳定的估计；利用结合鸟群算法的光流法跟踪器对目标进行适应性较强但不太稳定的估计；利用在线学习机制将二者结合得到的跟踪结果，并且根据时间空间约束产生新的样本来在线更新层级的分类器，从而实现跟踪器和检测器的互补，来获得更加鲁棒的跟踪结果。本发明增强了对光照变化和快速运动的鲁棒性。
-
公开(公告)号：CN103456012B
公开(公告)日：2016-06-01
申请号：CN201310395199.8
申请日：2013-09-03
Applicant: 北京大学深圳研究生院
Abstract: 本发明涉及一种基于最大稳定曲率区域的视觉人手检测跟踪方法及系统，在由人手检测单元和空间条件约束单元以及输入/输出端组成的系统中，其跟踪方法如下：1）采用摄像头提取得到RGB图和/或深度图，通过待跟踪物体的初始位置，得到前景物体和背景物体；2）根据肤色点的连通区域对RGB图进行肤色检测得到人手和/或人脸的候选肤色区域；3）根据深度图中的正向投影对深度图进行最大稳定曲率计算，得到最大稳定曲率区域；4）对所说候选肤色区域和最大稳定曲率区域按照空间约束条件进行结合，确定出人手和头部位置，得到人手的检测跟踪结果。本发明实现了鲁棒的基于视觉的人手跟踪，增强了对光照变化和快速运动的鲁棒性。
-
-
-
Search Results
4
records
(took 0.026 seconds)
