第一人称RGB-D图像中的3D手部姿态检测
计算机视觉与模式识别
2014-12-02 v1
摘要
我们专注于从第一人称视角进行日常手部姿态估计的任务。对于此任务，我们表明深度传感器对于提取相机佩戴者与其环境的近场交互信息特别有用。尽管使用类Kinect传感器进行全身姿态估计近期取得了进展，但在RGB-D图像中进行可靠的单目手部姿态估计仍是一个未解决的问题。当从第一人称视角分析执行日常活动的手部时，由于物体操作引起的严重遮挡和有限的视野，该问题显著加剧。我们的系统通过在判别式检测跟踪框架中利用关于视角和姿态的强先验来解决这些困难。我们的先验通过一个逼真的第一人称场景合成模型进行操作，该模型用于生成训练数据以学习基于深度的姿态分类器。我们在一个标注的真实第一人称物体操作场景数据集上评估了我们的方法，并与商业和学术方法进行了比较。我们的方法在第一人称RGB-D图像中的手部检测和姿态估计方面均提供了最先进的性能。
引用
@article{arxiv.1412.0065,
title = {3D Hand Pose Detection in Egocentric RGB-D Images},
author = {Gregory Rogez and James S. Supancic and Maryam Khademi and Jose Maria Martinez Montiel and Deva Ramanan},
journal= {arXiv preprint arXiv:1412.0065},
year = {2014}
}
备注
14 pages, 15 figures, extended version of the corresponding ECCV workshop paper, submitted to International Journal of Computer Vision