基于改进射线矢量法的手部轮廓与手势实时跟踪方法

目前,在视频分析和处理过程中,运动物体的实时检测和与轮廓跟踪作为计算机视觉分析识别的基础,已变得越来越重要了.改进了传统的射线矢量法表示物体形状的方法,并结合拆分法和聚合法对单帧图像进行分割,以得到完整而准确的手部曲线,在相邻帧之间采用了Kalman滤波器估计帧间手部运动的轨迹来实现跟踪过程.该方法很好地克服了传统射线矢量法所无法表示的形状的缺陷,能够准确地跟踪手部的运动以及各种手势.     

响应面优化银杏叶中黄酮的提取工艺

为研究银杏叶中黄酮的提取工艺条件,以黄酮提取量为指标,采用乙醇回流法做实验。通过单因素试验及响应面分析,探讨乙醇体积分数、固液比、提取时间和提取温度对黄酮提取量的影响。同时应用响应面交互作用,分析优化得出该方法的最佳提取条件是:乙醇体积分数83%,固液比1∶22g/mL,提取时间98min,提取温度71℃。在此条件下银杏叶黄酮提取量为18.38mg/g。将样品纯化,用红外光谱对其结构进行表征。     

基于范例集实现复杂场景下的动态手势跟踪

提出了一种新的基于范例集的跟踪器:CEE(CAMSHIFT Embedded Exemplar)跟踪器,实现复杂场景下的动态手势跟踪。在学习阶段,利用ICAMSHIFT(Improved CAMSHIFT)算法提取手部轮廓特征并生成范例集,同时建立手势的动态HMM模型;在跟踪阶段,利用由ICAMSHIFT算法获取的手部特征和HMM概率模型预测手势动作,然后根据学习所得范例集获取当前手部轮廓。实验结果表明,算法能实现复杂场景下的准确手势跟踪,并能在手部位置与方向任意变化情况下实现手部轮廓的提取与跟踪。此外,在严重遮挡情况下也能取得不错的跟踪效果。