基于神经网络与卡尔曼滤波的手部实时追踪方法
针对传统的手部跟踪算法存在实时性差、识别精度低、易受环境影响等问题,提出了一种基于神经网络与卡尔曼滤波的手部实时追踪方法.该方法首先通过神经网络对视频中出现的检测目标进行定位,接着用卡尔曼滤波对目标运动进行估计,将估计的结果与下一帧图像中检测到的目标进行比对;然后对检测到的目标进行跟踪,将手部运动的轨迹实时显示.实验结果表明,该方法能够对多个手部目标实时进行追踪,并在手部运动过程中出现交叉和形变的情况下还能保持跟踪,其平均处理帧数为21.212 f/s,追踪正确率为94.88%,基本满足手部跟踪的稳定可靠、高实时性、高鲁棒性等要求.
手部跟踪、神经网络、卡尔曼滤波、跟踪器
35
TP391.41(计算技术、计算机技术)
国家重点研发计划课题2016YFB0401503;广东省科技重大专项2016B090906001;福建省科技重大专项2014HZ0003-1;广东省光信息材料与技术重点实验室开放基金2017B030301007
2020-05-22(万方平台首次上网日期,不代表论文的发表时间)
共7页
464-470