基于部分标注与非平衡数据的俯视深度图像手部跟踪：开发与实地测试
计算机视觉与模式识别
2015-03-10 v1
摘要
我们提出了一种基于单幅俯视深度图像的手部跟踪算法的开发与评估，该算法用于 COACH 提示系统。我们使用约 5,000 幅人工标注、非平衡且部分标注的训练图像，训练了一个随机决策森林身体部位分类器。该分类器通过在所有已训练身体部位上学习到的概率密度函数，来表示每幅深度图像中像素的随机子集。采用局部模态寻找（local mode-find）方法，在被分类像素采样的底层特征空间中搜索存在的簇。在每一帧中，身体部位位置被选为具有最高置信度的模态。用户手部位置根据与环境物体的接近程度转化为洗手任务动作。我们在约 24,000 幅人工标注图像的大规模数据集上验证了分类器和任务动作提议的性能。
引用
@article{arxiv.1409.2050,
title = {Depth image hand tracking from an overhead perspective using partially labeled, unbalanced data: Development and real-world testing},
author = {Stephen Czarnuch and Alex Mihailidis},
journal= {arXiv preprint arXiv:1409.2050},
year = {2015}
}
备注
9 pages, 1 figure