84、利用3D手形的以自我为中心的物体识别

利用3D手形的以自我为中心的物体识别

1. 研究背景与相关工作

在以自我为中心的计算机视觉领域，近年来研究兴趣激增，这得益于早期开创性系统的启发和现代可穿戴平台计算能力的不断提升。相关研究主要分为三类：物体/场景发现与总结、动作/活动识别以及物体识别。

• 物体/场景发现与总结 ：主要用于日常生活记录的以自我为中心的视频总结。例如，Jojic等人提出结构缩影来总结视觉体验，生成的STEL缩影图像类似于全景图像，能自动将相同场景和物体分组；Lee等人结合一组以自我为中心的特征和其他视觉线索构建检测器，用于检测与类别无关的重要物体，进而总结视频。
• 动作/活动识别 ：大量研究致力于从以自我为中心的视频中识别日常动作/活动。如CMU - MMAC数据库结合了头戴式前视相机的视频；Spriggs等人认识到物体在活动理解中的重要性，但当时未进行物体识别；Ogaki等人探索了第一人称眼球运动和自我运动用于室内活动识别，其设备中有一个向内的相机来捕捉用户的眼球运动；此外，还探索了各种以自我为中心的线索，如手部肤色和凝视。
• 物体识别 ：物体识别在活动理解中起着重要作用，其在以自我为中心的视觉系统中的应用可追溯到DyPERS系统。Mayol和Murray利用肩部安装相机的肤色和基于直方图的物体分类来识别操作活动；Ren和Philipose收集了大量以自我为中心的物体视频数据库，Ren和Gu利用该数据库从背景中分割用户抓取的物体，这些方法主要依赖光流运动线索。

本研究与以往研究有两个不同之处：一是大多数以往的以自我为中