手势检测，识别与跟踪资料汇总

最新推荐文章于 2024-10-27 21:59:27 发布

原创

最新推荐文章于 2024-10-27 21:59:27 发布 · 3.8k 阅读

10 ·

CC 4.0 BY-SA版权

本文汇总了利用深度传感器如Kinect进行手部检测、识别和跟踪的各种方法。从微软SDK获取手部彩色和深度图像，通过标定转换到同一坐标系。涉及的技术包括KINECT标定、OpenNI标定、Real Time Hand Pose Estimation、深度与RGB图像融合、像素级手部检测、基于 Meanshift 和 Compressive Tracking 的跟踪，以及各种肤色模型、Haar特征和MSER Tracker等。此外，还介绍了OpenCV的手势跟踪、OpenNI Middleware Libraries（如NITE和TipTep Skeletonizer）等资源和项目。

思路

手的检测

从微软SDK中提取手的彩色图像和深度图像后，需要转换到同一个坐标系，需要首先对Kinect进行标定

KINECT标定

OPENNI的出厂标定怎么获取？

从深度图像中提取手的位置

Real Time Hand Pose Estimation using Depth Sensors Cem Keskin, Furkan Kırac¸, Yunus Emre Kara and Lale Akarun，Bo˘gazic¸i University，Computer Engineering Department, 34342, Istanbul, Turkey，2011 ICCV Workshops

深度图像及RGB图像如何融合，EM算法

Recognizing Hand Gestures with Microsoft's Kinect, Matthew Tang, Department of Electrical Engineering,Stanford University

彩色图像中像素的识别

Pixel-level Hand Detection in Ego-Centric Videos Cheng Li,Kris M. Kitani

跟踪

Meanshift 有例子

Compressive Tracking 有例子

Real Time Appearance Based Hand Tracking MSER(Maximally Stable Extremal Region)Tracker,Michael Donoser and Horst Bischof Institute for Computer Graphics and Vision,Graz University of Technology, Austria

基于彩色图像的手势检测、识别与跟踪

1.Hand detection using multiple proposals项目

牛津大学Virsual Geometry Group，在静态图片中检测手部，有MATLAB代码引用的论文 Hand detection using Multiple Proposals, British Machine Vision Conference, 2011

2.使用Haar特征代码