关键字 |
| 跟踪、投资回报率、人机交互、Camshift特性。 |
介绍 |
| 人类的手势交流的词汇有很多变化。手势是一个广泛使用的非言语互动的方式。视觉监控是非常重要的在运动目标跟踪方面,视频压缩和自动应用,如视觉分析的关键技术。大多数应用程序需要目标跟踪算法,照明变化和扩展的目标,旋转,强劲[1 - 2]。与此同时,跟踪算法也需要消耗尽可能少的时间满足实时的要求。所以一个有效的跟踪camshift算法是一种有效的解决方案将跟踪手势识别系统[3 - 4]。 |
| 答:CAMSHIFT算法 |
| 连续自适应均值漂移算法(CamShift)是一种适应转变的手跟踪算法,目的是作为一步手掌和脸部追踪感知用户界面。CamShift算法和扩展一个默认实现,允许跟踪类型的功能空间和任意号码是适应在这种方法。为了计算出新的像素值的概率属于目标模型,有必要权衡多维直方图用一个简单的单调递减直方图反向投影前内核配置文件 |
| b . CAMSHIFT算法 |
| CamShift算法可以归纳为如下步骤, |
| 1。将感兴趣的区域(ROI)的概率分布图像的图像。 |
| 2。选择一个初始的位置意味着改变搜索窗口。被跟踪的目标分布将选定的位置。 |
| 3所示。计算一个颜色概率分布的地区集中在均值移位搜索窗口。 |
| 4所示。迭代均值漂移算法找到的概率的质心图像。存储零的时刻(分布面积)和重心位置。它是用来解决非线性方程组。在临界点附近很容易能找到解决方案。为此,它使用本地参数化延续技术(4、5)。 |
| 5。帧后,中心在平均位置搜索窗口中发现的第四步,设置窗口大小为零的时刻的函数。去一步 |
| c .连续自适应分布 |
| 概率分布的图像(PDF)可能决定使用任何方法,将一个像素值与一个给定的像素属于目标概率。一般直方图投影是一种常见的方法。在生成PDF,初步计算直方图的步骤1的Camshift算法过滤的初始ROI图像。 |
| 直方图用于Bradski(1998)包括色调通道在HSV颜色空间中,然而从多维直方图可以使用任何颜色空间。量化直方图进垃圾箱,这减少了计算和空间复杂性和允许类似的颜色值聚集在一起。直方图箱然后扩展之间的最小和最大概率图像强度使用方程。 |
 |
| x (i)和y (i)是ithpixel分段地区和k表示像素的数量。采取跟踪姿态N的帧数和质心值即x和y坐标计算然后我们可以找到输出像图1中不同姿态模式将生成它的大小和转化为二进制图像。 |
框图 |
| 手势识别是重要的发展中一个有吸引力的替代普遍人机交互(HCI)模式。手势识别是重要的发展中一个有吸引力的替代普遍的人机交互模式。手势识别是重要的发展中一个有吸引力的替代人类普遍——计算机交互模式。图2所示的系统设计描述了技术用于设计一个动态用户界面初始化通过收购图像或视频用户的手势。 |
| 的序列是不同的手势被认为是不同的手势。一个给定的手势可以进行运动和离散变化。这些手势基于运动的本质是有区别的。实时识别引擎正在开发可以可靠地识别这些手势,尽管个别差异。发动机也有能力检测手势序列的开始和结束在一个自动化的方式。 |
算法 |
| 一个。基于直方图的跟踪器跟踪ROI与愿景 |
| 过程所涉及的步骤如下图3所示和详细步骤。 |
| 1。系统对象是由阅读视频帧创建BBOX追踪的对象 |
| 2。通过考虑第一帧包含对象跟踪和图像HSV颜色空间转换。 |
| 3所示。的对象设置基于色调颜色空间第一视频帧。 |
| 4所示。显示结果是图框的对象跟踪颜色通道与背景区分开来。 |
| 5。因此结果显示后视频可以加载。 |
| 视觉直方图跟踪结果的频率分布直方图系统对象,计算在每个输入矩阵的元素。连续运行直方图定义了计算步骤方法的调用该属性设置为true,使计算直方图。对象将被集中跟踪像素值的柱状图包含CAMSHIFT因此被称为基于直方图跟踪中来。边界框(BBOX)跟踪对象的特点是使用一步法和“我”作为输入图像和“H”作为基于直方图跟踪对象,使用初始化对象的我们必须识别对象跟踪通过设置初始搜索窗口中,指定的边界框的材料(x y宽度高度)。BBOX的取向决定了长轴之间的夹角和轴的椭圆相同的二阶时刻对象,对象的范围将从-π/ 2π/ 2。信心得分表明BBOX返回是否有跟踪对象,比分是0和1之间的值,最大信心等于1。 |
| b .初始化(START)和出口(停止)的跟踪操作 |
| 开始的姿态表明,用户可以给系统输入开始,直到用户停止使用手势直到这个输入是接受和检测系统。与此同时其他操作手势照顾,他们不应该相同类型的启动和停止操作的定义。 |
| 1。启动和停止操作开始获取输入图像和跟踪ROI。 |
| 2。输入帧仅限于500帧的跟踪和追踪时间后500帧与新的输入初始化。 |
| 3所示。校准操作完成20迭代系统给颜色样本。 |
| 4所示。下一步是创建一个边界框的ROI计算质心跟踪对象的ROI。输入样本的阈值,系统被定义为3创建边界框如果超过阈值。 |
| 5。使的在跟踪输入信号的值限制输入的样本标定系统范围的ratio1 < 1.6 & & ratio1 > 0.7折手图4所示。 |
| 6。的中心价值BBOX然后使用x和y坐标计算。一旦初始化跟踪器的中心值是公认的,否则这是一个停止的手势。 |
解释的结果 |
| 图5显示了肤色校正的手势在垫实验室窗口在一个特定的次要情节和细节的手的肤色校正信号在一个特定的次要情节在垫实验室窗口中,图6显示区域选择校准对象即手颜色在不同的地区。这里,从区域选择和存储的值动态检测是通过凸轮轴算法。图7显示了初始化跟踪点在实际检测输入的开始。Fig8显示输入命令系统开始从保持手运动开始的手势只图9显示停止手势是独特的姿态用来停止检测和识别操作系统并开始新的输入。 |
结论 |
| 本文有效地代表一个有效的算法跟踪点初始化和退出跟踪ROI以舒适的方式有两个独特的手势跟踪器的启动和停止操作。在手势识别和检测是非常重要的问题,连续自适应均值漂移算法(Camshift)。camshift是个优秀的实时跟踪算法。然而,实时跟踪在特定的场合,比如实时要求,孤峰视频捕捉设备IO占据更大的比例的时候,如何进一步提高计算速度Camshift算法仍然是一个严重的问题。本文跟踪过程的计算和模型的数据量影响算法性能Camshift算法可以减少计算时间的同时一定程度上,克服背景噪音。 |
数据乍一看 |
 |
 |
 |
 |
 |
| 图1 |
图2 |
图3 |
图4 |
图5 |
 |
 |
 |
 |
| 图6 |
图7 |
图8 |
图9 |
|
引用 |
- Bradski G r的实时的脸和对象跟踪感知用户界面”的一个组件。在院刊第四车间在计算机视觉的应用。美国普林斯顿大学:IEEE 1998。
- Comaniciu D,拉梅什V,米尔p“基于对象跟踪”。IEEE模式分析与机器智能,25(5):564 - 577年,2003年。
- Comaniciu D,米尔P。„健壮的方法对特征空间分析”。IEEE模式分析与机器智能,24(5):603 - 619年,2002年。
- 柯林斯R T,刘X, Y Leordeanu m的在线选择歧视跟踪功能”。IEEE模式分析与机器智能,27 (10):1631 - 1643。2005年。
- 崔Yoo-Joo Je-Sung李和We-Duke曹,„健壮的识别在不同照明”,先进的人机交互,Shane花生米(主编),2006年。
- n . Conci p Cerseato和f . g . b . De纳塔尔的自然人类——使用一个交互式的虚拟机界面黑板”,2007年ICIP InProceeding,第184 - 181页,2007年。
- s . Mitra, t . Acharya„手势识别:一项调查”,IEEE系统,人与控制论(SMC) - C部分:应用程序和评论,37(3)卷,第324 - 211页,2007年。雷竞技苹果下载
- 巨大,K。,‟Introduction to Statistical Pattern Recognition‟, 2nd Edition. Academic Press, New York, 1990.
- Chetan.Sand Dr.M.Z.Kurian, “An Efficient Algorithm for Hand Segmentation” national Conference, E-Innovation-2013,atShridevi Institute for Engineering and Technology, Tumkur,23rd March 2013.
- Chetan.Sand Dr.M.Z.Kurian, “A Sensorless Approach for HCI Using Gesture Recognition” National level Technical paper presentation and Conference, technika-2013, Akshaya Institute of Technology, Tumkur, 14thMarch 2013.
- Chetan.Sand Dr.M.Z.Kurian, “Hand segmentation using camshiftalgorithm”‘International Journal of Graphics and Image Processing (IJGIP),Vol 3 issue 2, ISSN 2249 – 5452, July 2013.
|
菜单
