基于各向异性高斯和模型的实时手部跟踪
计算机视觉与模式识别
2016-02-12 v1
摘要
实时无标记手部跟踪在人机交互中日益重要。由于自由度多、频繁自遮挡、快速运动以及肤色均匀，任意手部运动的鲁棒且准确跟踪是一个具有挑战性的问题。在本文中，我们提出一种新方法，可从多个RGB相机实时跟踪手部的完整骨骼运动。主要贡献包括一种新颖的生成式跟踪方法，该方法采用基于各向异性高斯和(SAG)的隐式手部形状表示，以及一种平滑且解析可微的姿态拟合能量，使得基于梯度的快速姿态优化成为可能。这种形状表示，连同完整的透视投影模型，实现了比文献中相关基线方法更精确的手部建模。我们的方法比先前方法达到更高精度，并以25 fps运行。我们在公开数据集上从定性和定量两方面展示了这些改进。
引用
@article{arxiv.1602.03860,
title = {Real-Time Hand Tracking Using a Sum of Anisotropic Gaussians Model},
author = {Srinath Sridhar and Helge Rhodin and Hans-Peter Seidel and Antti Oulasvirta and Christian Theobalt},
journal= {arXiv preprint arXiv:1602.03860},
year = {2016}
}
备注
8 pages, Accepted version of paper published at 3DV 2014