基于自适应手部模型与深度图的高效手部关节追踪
计算机视觉与模式识别
2015-10-20 v3
摘要
实时手部关节追踪对于许多应用（如与虚拟/增强现实设备或平板电脑交互）十分重要。然而，大多数现有算法高度依赖昂贵且高功耗的GPU来实现实时处理。因此，这些系统不适用于移动和可穿戴设备。本文中，我们提出了一种不需要高性能GPU的高效手部追踪系统。在我们的系统中，我们通过最小化传感器深度图与计算机生成的手部模型之间的差异来追踪手部关节。我们还利用手指检测与分类在每帧初始化手部姿态。我们的贡献在于：(a) 提出自适应手部模型以考虑用户不同的手型，而无需生成个性化手部模型；(b) 改进了高效帧初始化以实现鲁棒追踪与自动初始化；(c) 提出从每个深度图分层随机采样像素，以在限制所需计算量的同时提高追踪精度。据我们所知，这是首个在不使用GPU的情况下同时实现自动手部模型调整和实时追踪的系统。
引用
@article{arxiv.1510.00981,
title = {Efficient Hand Articulations Tracking using Adaptive Hand Model and Depth map},
author = {Byeongkeun Kang and Yeejin Lee and Truong Q. Nguyen},
journal= {arXiv preprint arXiv:1510.00981},
year = {2015}
}
备注
Advances in Visual Computing: 11th International Symposium on Visual Computing (ISVC'15)