实时手形分类

手形分类问题具有挑战性，因为一只手的特征由大量的自由度决定。多年来，人们提出并应用了众多形状描述子，以在合理的时间内估计和分类手部姿态。本文讨论了适用于实时应用的实时手形分类并行框架。我们展示了模板图像数量如何影响分类精度和并行算法的执行时间。我们给出了加速比和效率分析，证明了并行实现的有效性。值得注意的是，在我们并行框架的每一步中都可以使用不同的方法。这里，我们将形状上下文与基于外观的技术相结合，以增强算法的鲁棒性并提高分类得分。广泛的实验研究证明了所提出方法相对于现有最先进方法的优越性。