11、基于无迹卡尔曼滤波器和多视点相机的视觉手部姿态预测跟踪

基于无迹卡尔曼滤波器和多视点相机的视觉手部姿态预测跟踪

1. 引言

在人机交互领域，如何将不受限制的手部动作作为通信工具是一项重大挑战。直接将手作为输入工具，能让用户更自然地与系统交互，使其融入日常生活。基于视觉的方法，利用相机捕捉数据，支持手部的非接触式和无限制移动。然而，手部的高自由度在关节手部运动跟踪和姿态估计中是一个关键问题。

本文提出了一种基于视觉和模型的方法，使用多个相机和预测滤波来估计手部姿态。该方法在相关研究基础上进行改进，通过无迹卡尔曼滤波器（UKF）来跟踪手部运动，并同时估计手部的全局和局部姿态。

文章结构如下：第2部分介绍相关工作，第3部分讨论无迹卡尔曼滤波器，第4部分解释手部姿态估计系统，第5部分详细说明如何使用UKF进行跟踪和姿态估计，第6部分展示实验结果并进行讨论。

2. 相关工作

视觉手部姿态估计主要有两种技术：基于外观和基于模型的方法。
- 基于外观的方法 ：利用二维特征（如轮廓或颜色），将输入图像与姿态图像数据库进行比较来确定手部姿态。但这种方法受视角限制，通常只能解决特定任务问题。
- 基于模型的方法 ：对手部运动进行参数化建模，能得到更精确和通用的结果。它试图最小化预定义手部模型与观测数据之间的误差。

手部模型可分为三类：
| 模型类型 | 特点 | 示例 |
| — | — | — |
| 几何模型 | 使用各种几何原语表示手部物理结构 | 截断二次曲面、纸板模型 |
| 统计模型 | 将手形定义为平均模型形状的变化 | - |
|