基于检测引导优化的快速鲁棒手部跟踪

手和手指的无标记跟踪是人机交互的一个有前景的推动因素。然而，由于跟踪不准确、运动覆盖不全、低帧率、复杂的相机设置以及高计算需求，其应用受到限制。在本文中，我们提出一种使用单目深度相机准确跟踪手部快速复杂关节运动的方法。我们的算法采用一种新颖的检测引导优化策略，提高了姿态估计的鲁棒性和速度。在检测步骤中，随机决策森林将像素分类为手的部位。在优化步骤中，新颖的目标函数结合检测到的部位标签和深度的高斯混合表示来估计最贴合深度的姿态。我们的方法需要相对较少的计算资源，从而极其快速（无GPU支持下达50 fps）。该方法还支持变化的静态或移动相机到场景的布置。我们通过公共数据集上的评估并与先前工作比较展示了方法的优势。