8、随机森林与3D场景人类感知建模技术解析

随机森林与3D场景人类感知建模技术解析

随机森林在深度图像手势识别中的应用

在深度图像的手势识别领域，研究人员开展了一系列实验。以NTU Hand Digits数据集为例，该数据集包含来自10个受试者的1000张深度图像，涵盖了0 - 9的10种手部数字手势。

实验操作步骤 ：
1. 数据表示 ：将真实手势标签表示为一个10维向量，除对应真实标签的维度为1外，其余维度均为0。
2. 误差定义 ：图像预测误差定义为融合直方图的L2范数，这是一个10维向量。
3. 节点分裂 ：树节点分裂的度量函数H(U)采用节点样本U中的手势标签熵。
4. 特征选择 ：采用Shotton等人提出的深度差异特征进行手势分类，该特征计算速度快。
5. 森林训练 ：从每张图像中采样100个投票像素，提取其深度差异特征来训练每棵树。当树的深度超过20、节点样本仅包含一种手势标签或节点样本少于50时，树停止生长，森林中的树数量设置为4。
6. 旋转归一化 ：由于深度差异特征不具有旋转不变性，使用Liang等人的方法裁剪手部区域，找到前臂的二维主方向，并相应旋转手部区域，对所有训练和测试图像进行粗略的二维旋转归一化。
7. 测试阶段 ：在裁剪后的手部区域内随机采样500个像素对手势进行投票，每个像素通过随机森林获取手势投票，通过公式(4.1)融合投票结果得到输入图