关键字 |
| 肤色检测、运动目标检测、计算机视觉。 |
介绍 |
| 我们现在正在讨论的话题是计算机视觉[4]的一部分。计算机视觉是计算机科学的一个分支,我们参与使机器工作像人类。这意味着在机器我们要嵌入算法将有助于使机器工作因此[9]。算法可能人脸检测、图像增强、分割、运动检测、目标检测、人类探测和识别,也可能是手检测视频中。手检测可能被视为确定视频中的对象。有许多的目标检测方法,如背景登记和背景减法[6]。在后台注册情况的视频被开始20帧。这些20帧的意思是在一个单一的框架。这个单帧保存为背景。据说这是背景登记。 |
| 对象检测的另一种方法是通过使用模板匹配的概念。在模板匹配的情况下,模板是由扫描的对象是整个帧的视频,如果模板和框架内容匹配高度这意味着模板和图像内容之间的关联值峰值与框架的其他领域相比,相关的领域valuesare峰值。这些地区被认为是感兴趣的对象。 |
| 本文将分类如下。在第二部分论述了旧手检测在图像/视频的方法。第三部分讨论了该方法的检测。第四部分讨论了关于手的结果检测不同的场景和用例。第五部分探讨了有关结论和未来的研究。 |
相关的工作 |
| 手的传统方法检测两种类型。他们是 |
| 1)手检测通过移动物体检测算法[6]。 |
| 2)手检测使用肤色[9]。 |
| 方法1:在检测的方法一方面通过使用移动对象的概念,我们正在考虑视频的手。运动检测算法有助于准确识别手对象使用一个固定的(x, y)坐标位置的像素。同时如果任何其他运动物体在镜头面前,在这种情况下,移动对象以外的手也被称为手。下面的图显示了运动目标检测的结果使用移动物体检测算法。 |
 |
| 图(1)(a)输入图像(b)检测对象面具(c)检测到的对象,这里的红色的区域是移动物体识别为手的一部分。检测对象的某些部分是错误检测手。 |
| 在图(1)、图像(一)是一个帧的视频有两个手,地陪对象。在这里我们的内涵是识别只手。但移动物体检测算法将确定两个对象作为手。这是该算法的缺点。 |
| 方法2:在一个视频的方法识别手使用对象的皮肤颜色。所以我们在这里要识别对象的皮肤颜色。对象的皮肤颜色是通过使用下列公式确定。使用转换RGB视频帧到HSV格式和YCbCr格式。有Matlab函数RGB图像转换到HSV(色相,饱和度-值)。但对RGB图像转换到YCbCr (Y是lumaintensity组件和CB blue-difference和CR red-difference浓度组件。)图像,我们使用下面的转换。的 |
| Y = 0.2990 * R + 0.5870 * 0.1140 G + * B |
| Cb * r = -0.1687 - 0.3313 * 128 (G + 0.5000 * B + |
| Cr = 0.5000 * R + 0.4187 * g - 0.0813 * 128 (B + |
| 确定对象的肤色H, Cb和Cr组件被认为是一个RGB像素值。并检查是否Cr值在140 - 165的范围和Cb在140 - 195的范围和色调颜色是0.01至0.1的范围内。 |
| 如果上述条件得到满足,那么这部分的图像被认为是皮肤的颜色。下面的图显示了目标检测的结果使用使用皮肤的颜色参数。 |
 |
| 如图(2),(一)代表对象的输入图像肤色。(b)物体识别与皮肤颜色(c)与红色的面具代表结果对象检测到错误的手。 |
该方法 |
| 为了避免上述缺点,讨论了两种方法,我们利用相结合的表示方法提出一种新的方法,将提供正确的输出检测的对象在给定的视频。这意味着对象必须是移动和移动物体必须有肤色检测对象的手。即使任何移动物体有肤色,皮肤区域图像的一部分被认为是决定是否对象的手。所以,这个方法将准确识别图像对象作为手。这个算法是如以下图(3)所示。 |
 |
结果 |
| 下面的图显示了该方法的结果。 |
 |
| 图(4),(一)是输入图像的皮肤颜色常量对象。(b)检测到运动对象。(c)显示对象的皮肤颜色。(d)不确定的对象。 |
| 从图4可以看出虽然是一个肤色不变对象(书)和运动检测对象(运动的书),最终的结果没有显示对象检测手是没有检测到。 |
| 图(5)显示了结果的情况下,手和皮肤颜色的非手对象在一起。在这种情况下我们有手的形象和还书的肤色。通过使用该算法只检测到的手而不是这本书。 |
 |
| (一)代表的输入图像的手,还与肤色地陪。(b)代表了物体运动(c)的对象有皮肤颜色。(d)代表正确的对象与手对象标记的红色的面具。 |
| 图(6)显示了另一个案例研究的结果。在这种情况下,关闭手不是检测的一部分。只检测到的暴露部分的手和红色所示。 |
 |
| (一)输入图像与部分手对象被覆盖。(b)代表了运动对象。(c)代表皮肤分割部分,是有一部分的皮肤颜色对象。(d)红色的面具在检测部分的手。 |
| 图(7)显示了一个案例研究的结果。在这种情况下,我们考虑一个实时图像,有不动的手,皮肤颜色的移动物体。通过应用我们的算法只手的移动物体检测并不是相同的肤色。 |
 |
| (一)代表的输入图像,移动和移动皮肤颜色的对象。(b)检测到移动的物体。(c)与肤色检测对象。(d)红色的标志代表了一部分对象出现在图像。 |
比较研究 |
| 这里的比较研究是关于手的方法识别系统。上述识别方法 |
| 1)找到手根据肤色。 |
| 2)找到手根据手的运动对象。 |
| 3)找到手使用上述(1)和(2)的方法 |
| 在第三个方法我们正面临着一个缺点,如果其他移动物体有肤色等其他比手脸出现在镜头面前,然后,对象也被称为手。为了克服这个缺点,我们采用人脸识别系统识别视频/图像的脸。面对部分如果是认识到,仅保留手是过滤掉。这是新提出的系统。提出新方法是给好的结果与其他方法相比。 |
 |
| 输入图像(a), (b)是运动检测图像,(c)皮肤分割图像和(d)检测到图像的脸手的部分是确定红高的光。 |
| 图(8)显示了输出的缺点的人是发现而不是识别他的手。上面的缺点是被过滤的脸在输入图像中一部分。结果是图9所示。 |
 |
 |
| 输入图像(a), (b)是运动检测图像(c)是皮肤分割图像和(d)是检测图像。 |
| 因此在图9中只检测到的手。 |
结论 |
| 该方法的检测使用面部识别系统过滤的对象相关的脸给更好的结果相比,之前的检测,如手的方法检测基于移动物体检测和基于肤色的检测手。该算法受到各种各样的场景。在所有的情况下,该算法给出了正确的结果的检测。 |
引用 |
- 诉Vezhnevets, V Sazonova Andreeva,¢一个调查基于像素肤色检测TechniquesA¢,Proc。graphicon - 2003,页85 - 92,莫斯科,俄罗斯,2003年9月。
- Waibel杰杨,一个¢实时脸TrackerA¢,应用ofcomputer视觉匹兹堡,pp - 142 - 147, - 1996年12月。
- 舒莫,程世Xiaofen兴,“汉手势分割基于改进的卡尔曼滤波器和TSL肤色模型”,国际会议onMultimediaTechnology,中国,页:3543 - 3546年,2011年7月。
- 是的。Dawod lAbdullah, M。IAlam”新方法分割使用自由格式的皮肤ColorModel手”,先进的计算机理论和工程国际会议上,Cybetjaya,马来西亚,页:562 - 566年,2010年9月。。
- m·J·琼斯,J·m·Rehg“统计模型与应用程序肤色检测”,国际期刊ofComputer愿景,体积:46岁的问题:1,页:81 - 96,2002。
- 吴Yueming,他儒学神学化;俄文通,ZhengDetao”细分为增强现实系统,“数字媒体及其应用在博物馆和遗产,第二车间,卷,没有。10 - 12 2007年12月,页395 - 401。
- 阴X。,Xie M âÂÂEstimation of the fundamental matrix from unccalibratedstero hand imagesfor 3D hand gesture recognition.â Pattern, 36(3), pp 567- 584, 2002.
- y m j s李郭,pci涌,E-L陈,一个¢赤裸裸的基于自适应的图像检测和可扩展的肤色模型¢模式识别,40(8),2261 - 2270页,2007年。
- 阿里卡C, Tziritas G, A¢人脸检测使用使量子化肤色区域合并和waveletpacket analysisA¢多媒体,IEEE事务,1卷,3号,264 - 277页,19999年9月。
- Kaabneh K。,Abu-HammadE.Hamd, F. "Enhanced SkinDetection Technique Using BlockMatching,â Signal Processing and Communications, 2007. ICSPC 2007. IEEE InternationalConference, vol., no., pp. 21-24, 24-27 Nov. 2007.
|
菜单
