一种复杂背景下的手势分割新方法

从复杂的彩色图像中快速划分出手势,是手势识别的识别的效果.本文在分析现有方法的基础上,提出了一种基于复杂背景下的手势分割新方法.首先,在RGB模式空间里利用1.0＜R/G＜1.3建立第一个肤色模型,然后将HSV空间改进为更适合于肤色特征的模式空间HSV,在对H特征进行简化的基础上,建立第二个肤色模型,最后将这两种肤色模型相结合,得到复杂背景下的手势分割新方法.实验结果表明,这种方法的算法简单,易于实现,分割效果较好,并可用于实时图像处理.     

一种改进的CAMSHIFT手势跟踪算法

在基于视觉的手势分析中 ,手势跟踪是一个关键环节 .从实时性的角度考虑 ,提出了一种改进的CAMSHIFT(ContinuouslyAdaptiveMeanShift)算法 ,实现了对动态手势的实时跟踪 .实验表明 ,该算法快速准确可靠 ,并且较好地处理了跟踪过程中大面积肤色干扰及手势被遮挡等问题 ,对复杂场景的检测与跟踪也取得了较好的效果 .同时 ,该算法还适用于其它具有特定颜色目标的跟踪 .     

基于Kinect深度信息的手势识别

设计了一种基于Kinect深度信息和双阈值分割的运动手势识别算法。结合OpenCV和OpenNI,在vs2010环境下实现了该算法。利用Kinect的深度摄像头获取深度图像;对该图像进行双阈值分割,获取手部图像;再对手部图像进行形态学处理,获取完整的手形;最后,利用OpenNI的手势生成器GestureGenerator对手势进行跟踪识别。利用深度图像进行手势识别,通过双阈值分割,不仅去除了背景干扰,也能去除一部分前景干扰。用不同颜色点、圆和线的形式表示各种手势,可以清晰地实时显示识别效果。     

采用形态学算子的运动目标检测跟踪方法研究及实现

针对背景动态变化的场景,提出了一种基于全方位视觉的运动目标检测跟踪方法.采用统计方法建立背景模型,并实现背景模型的实时更新;利用减背景法和改进的二值图像连通域算法实现运动区域提取、分割;引入形态学算子计算目标区域体态比和紧密度,过滤背景干扰物;采用卡尔曼滤波与匹配矩阵相结合实现多个运动目标的跟踪;通过目标在HSV颜色空间中的H值、目标间的欧氏距离和目标相交面积等特征融合,提高目标跟踪的鲁棒性.实验表明,所设计的方法能实现实时准确的运动目标检测与跟踪.     

一种改进的CAMSHIFT手势跟踪算法

在基于视觉的手势分析中，手势跟踪是一个关键环节、从实时性的角度考虑，提出了一种改进的CAMSHIFF(Continuously Adaptive Mean Shift)算法，实现了对动态手势的实时跟踪．实验表明，该算法快速准确可靠，并且较好地处理了跟踪过程中大面积肤色干扰及手势被遮挡等问题，对复杂场景的检测与跟踪也取得了较好的效果．同时，该算法还适用于其它具有特定颜色目标的跟踪．     

基于肤色识别的人机交互方法在游戏中的应用研究

利用计算机视觉技术实现游戏人机交互来提高游戏的娱乐性,是当前国内外应用研究的热点。文中提出了采用肤色检测技术应用于游戏交互的方法。通过摄像头对肤色进行采样,再利用统计方法对皮肤颜色进行分析建立肤色模型;采用背景差分阈值分割法和Camshift算法进行手势跟踪监测,获取手的位置;将手的位置作为信号传递给游戏角色,从而控制游戏。在VC＋＋6.0下,使用OpenCV和OpenGL开源库,构建了普通摄像头视觉游戏实验平台,通过手势的运动轨迹控制粒子系统喷射方向。实验结果表明,通过肤色进行手势跟踪监测,进而控制游戏角色运动,具有很好的实时性和交互性。     

OpenCV在体感遥控中的应用

利用Intelnet跨平台计算机视觉库OpenCV和微软VisualStudio 2010构建体感遥控器的软件开发平台。以OpenCV为基础,结合自定义算法和函数,开发利用人体手势识别来控制不同设备的体感遥控器。该设计采用基于codebook背景模型的运动检测方法对手势定位,以改进的CamShift算法和Kalman滤波器进行手势跟踪,进而对手势分割和识别。研究利用单目摄像头下对单手手势识别,以红外线和无线通信方式对目标区域和设备进行非接触控制。给出软件设计的基本思想,用OpenCV实现算法的具体过程和关键代码。该方案目标跟踪快、检测效率高、实时性好,为下一步在嵌入式系统中实施此方案打下一定基础。     

全自主移动机器人视觉系统图像分割方法研究

为了准确跟踪运动中的目标,完成对移动目标的实时跟踪,通过分析不同算法的特点,在视觉系统的软件设计中采用了基于HIS颜色空间的阈值分割法与种子区域生长法相结合的图像分割方法对目标进行分割与跟踪.对视觉系统图像识别与分割所涉及的关键技术包括颜色空间的选取和相应的分割算法进行了必要的分析与改进.实验结果表明这种方法可以对彩色图像进行准确分割.     

基于超像素切片重构的模糊图像融合跟踪

为了提高模糊运动图像的跟踪识别能力,提出了一种基于超像素切片重构的模糊图像融合跟踪算法.首先,对采集的原始模糊运动图像进行向量量化特征分解,结合灰度流形分割技术进行模糊运动图像的边缘轮廓特征提取,采用自适应模板匹配方法进行模糊图像的灰度直方图重建,得到模糊图像的动态局部特征量.然后,采用RGB分解方法提取模糊图像的超像素切片,对超像素切片特征量在仿射不变子空间中进行量化重构,根据重构结果实现模糊图像的融合跟踪和自动识别.最后进行仿真实验,结果表明采用该方法进行模糊运动图像跟踪识别的自适应性较好,帧匹配能力较强,提高了模糊运动图像的跟踪识别性能.     

基于混合高斯模型的背景差分法的FPGA实现

针对视频中运动目标检测实时性问题,提出了一种基于混合高斯模型的背景差分法的FPGA实现方法.背景差分算法是运动检测算法中最常用的方法,该算法首先对实时得到的图像序列进行建模,得到运动场景的背景模型.然后在运动目标分割中及时的根据场景变化更新背景.考虑到实时性要求的高帧率、高分辨率视频分割任务,利用FPGA并行处理和硬件实现的优点,对混合高斯模型进行修改来对它进行定制,以适合于硬件实现.最后,通过在FPGA开发平台进行了仿真实现,结果验证了算法在硬件实现的正确性,以及在实时性能上的提高.     

Tracking of human head with particle filter

To cope with the problem of tracking a human head in a complicated scene,we propose a method that adopts human skin color and hair color integrated with a kind of particle filter named condensation algorithm.Firstly,a novel method is presented to set up human head color model using skin color and hair color separately based on region growing.Compared with traditional human face model,this method is more precise and works well when human turns around and the face disappears in the image.Then a novel method is presented to use color model in condensation algorithm more effectively.In this method,a combination of edge detection result,color segmentation result and color edge detection result in an Omega window is used to measure the scale and position of human head in condensation.Experiments show that this approach can track human head in complicated scene even when human turns around or the distance of tracking a human head changes quickly.     

基于差分和肤色图像的人脸检测算法

提出并实现了一种基于差分和肤色图像的人脸检测算法。该算法利用视频图像的运动信息,在帧间差分的基础上进行二值图像边缘提取,确定目标在原图像中坐标位置,然后设计肤色模型表征人脸颜色,采用彩色图像的色系坐标变换进行人脸的准确定位。该算法的优点是可将运动信息序列图像中与人脸肤色相似的固定区域删除,在目标跟踪和运动检测上,不仅能有效地抑止背景噪声,减少误检率,而且还能缩小人脸检测范围,加快检测速度。实验表明,该算法可行、有效。     

基于SOFM神经网络的动态手势分割技术的研究

应用基于SOFM(自组织特征映射 )神经网络的算法完成对手势的分割 .动态序列各幅图像的色彩分布相近 ,先对首帧图像通过SOFM色彩分割算法进行训练学习 ,并依据本文提出的一种改进算法使网络学习过程中输出神经元的个数随背景复杂情况改变 ,然后结合运动信息或光流变化确定运动的手的颜色分类 ,从而完成手势的分割 .此外 ,将本文的SOFM算法应用在其他场景图像的分割中 ,也取得了满意的效果     

卫星光通信高速精确跟踪瞄准实现技术

为了实现卫星光通信高速精确的跟踪瞄准,利用模块化思想设计,设计了一套采用目前先进的DSP技术的嵌入式系统,实现卫星光通信精确跟踪瞄准中快速图像跟瞄控制.该系统以TI公司高性能DSP芯片TMS320C6713B为图像实时处理单元,利用复杂可编程逻辑器件(CPLD)和现场可编程门阵列(FPGA)分别对由图像传感器CCD采集的图像数据进行实时采集和显示.在该平台上,运用最大类间方差法求得最佳图像分割阈值,将图像分割后利用质心算法精确计算光斑形心坐标;根据目标的真实运动轨迹对光斑运动趋势进行估计,使系统工作于预测跟踪状态,保证了卫星光通信跟瞄控制的响应带宽要求.实验结果表明,当CCD的视阈为100×100时,系统图像处理速度可以达到625帧/s.     

基于视频的手势识别中左右手判别研究(改投研究生论坛)

针对基于视频的手势识别中,由于左右手遮挡、背景与肤色相近等原因常常造成的手部分割、双手跟踪错误的问题,介绍了一种手势视频中左右手区分判别方法,通过对双手的区分判别,可以辅助视频中手部分割,同时可以降低由于手部遮挡造成的左右手跟踪错误。该方法首先提取左右手不同情况下训练样本的梯度方向直方图(HOG)特征;然后对手部特征进行主成份分析(PCA),通过去除冗余信息,进而找到描述左手、右手和双手遮挡的3种模式;最后,通过模式匹配实现了左右手判别。实验结果表明,该方法能较好地判别左右手。     

基于肤色分割和改进的AdaBoostSVM算法的人脸检测

为了提高人脸检测的速度和精度,提出了一种基于肤色分割与改进的AdaBoostSVM算法相结合的人脸检测方法。首先在YCgCr空间通过计算肤色相似度进行肤色分割,进而得到候选的人脸区域。然后,针对人脸检测中正负样本的非对称性对AdaBoostSVM算法进行改进,并用改进的AdaBoostSVM算法对候选人脸进行检测验证。实验结果表明,该方法改善了人脸检测性能,提高了检测速度,能够在复杂背景下进行快速而且较为准确的人脸检测。     

基于核密度估计的遮挡人体跟踪

充分利用空间、颜色、运动等信息对图像进行块建模、颜色建模和运动建模.通过混合高斯建模法,将运动人体的前景信息提取出来;基于Epanechnikov核密度梯度估计算法,对存储模型中的人体进行聚类,实现块建模;采用非参数的核密度估计算法和基于高斯分布的运动建模,分别获取颜色密度函数和运动密度函数,并利用颜色密度函数和运动密度函数对当前帧的前景区域进行后验概率估计,以获取后验概率图像,根据对该图像中遮挡人体进行分割以实现人体目标的跟踪.实验结果表明:基于核密度估计的遮挡人体目标跟踪算法有效地解决了遮挡人体目标跟踪问题.