基于动态区域生长的自我中心手检测
计算机视觉与模式识别
2017-11-13 v1
摘要
自我中心视频主要记录可穿戴相机使用者的活动，近年来引起了大量研究关注。因其内容冗长，已开发众多自我中心相关应用以抽象所捕获的视频。由于使用者习惯于在交互中用自身手与目标物体互动，而手通常出现在视觉视野中，诸如手势识别、动作识别与社会交互理解等任务均涉及自我中心手检测步骤。本工作中，我们提出一种动态区域生长方法，通过联合考虑手部相关运动与自我中心线索，用于自我中心视频中的手部区域检测。我们首先通过分析连续帧间的运动模式，确定最有可能属于手的种子区域。随后可根据为相邻超像素计算的分数，从种子区域扩展定位手部区域。这些分数源自四种自我中心线索：对比度、位置、位置一致性与外观连续性。我们讨论了如何在真实场景应用所提方法，其中多只手不规则地出现与消失于视频中。在公开数据集上的实验结果表明，所提方法相较 SOTA 方法取得了更优性能，尤其在复杂场景中。
引用
@article{arxiv.1711.03677,
title = {Egocentric Hand Detection Via Dynamic Region Growing},
author = {Shao Huang and Weiqiang Wang and Shengfeng He and Rynson W. H. Lau},
journal= {arXiv preprint arXiv:1711.03677},
year = {2017}
}