期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于神经网络与粒子滤波相融合的手部追踪方法
被引量：
1
1
作者
刘华江
李庆党
祝方舟
《电子测量技术》
2020年第18期74-80,共7页
针对已有的手部检测方法实时性差,手部追踪过程稳定性不高等问题,提出了一种改进R-CNN与粒子滤波相融合的方法。摒弃了已有R-CNN模型选择性搜索的方法,使用肤色检测提取候选区域提升检测速度。首先在YCRCB空间中对原始图像进行肤色检测...
针对已有的手部检测方法实时性差,手部追踪过程稳定性不高等问题,提出了一种改进R-CNN与粒子滤波相融合的方法。摒弃了已有R-CNN模型选择性搜索的方法,使用肤色检测提取候选区域提升检测速度。首先在YCRCB空间中对原始图像进行肤色检测,提取出包括手在内的颜色相近图块作为候选区域。然后将预处理之后的图块作为卷积神经网络的输入,采用分类的方法获取手部位置,最后使用粒子滤波对手部位置进行修正。实验结果表明,使用像素阈值分割与分类思想的方法将推理时间减少到47 ms,粒子滤波对手部位置的修正使得检测的手部质心轨迹更加平滑。基本满足手部追踪对实时性、稳定性的要求。
展开更多
关键词
肤色识别
R-CNN
手部
检测
手部追踪
粒子滤波
在线阅读
下载PDF
职称材料
基于深度图像的手部姿态估计综述
被引量：
2
2
作者
车云龙
齐越
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2021年第11期1635-1648,共14页
基于深度图像的手部姿态估计是人机交互和虚拟现实领域的一个重要研究问题.对近些年来该领域的研究工作进行总结和梳理.首先,简述了该问题的定义以及所面临的主要难点,并总结了常用的深度相机、数据集和评价指标;其次,将该领域内的工作...
基于深度图像的手部姿态估计是人机交互和虚拟现实领域的一个重要研究问题.对近些年来该领域的研究工作进行总结和梳理.首先,简述了该问题的定义以及所面临的主要难点,并总结了常用的深度相机、数据集和评价指标;其次,将该领域内的工作分为3个类别并依次进行回顾,其中包括基于模型驱动的方法、从数据集中学习映射函数的基于数据驱动的方法以及同时结合了前两者的混合方法,在叙述过程中,着重介绍了其解决的科学问题以及仍存在的缺陷;最后,从算法的准确性、适用性和鲁棒性3个角度对这些工作分别进行进一步的分析,并对未来的研究方向进行展望.
展开更多
关键词
深度图像
手部
姿态估计
手部追踪
深度学习
人机交互
在线阅读
下载PDF
职称材料
题名
基于神经网络与粒子滤波相融合的手部追踪方法
被引量：
1
1
作者
刘华江
李庆党
祝方舟
机构
青岛科技大学机电工程学院
青岛科技大学中德科技学院
出处
《电子测量技术》
2020年第18期74-80,共7页
基金
山东省科技厅(2017CXGC0607)项目资助。
文摘
针对已有的手部检测方法实时性差,手部追踪过程稳定性不高等问题,提出了一种改进R-CNN与粒子滤波相融合的方法。摒弃了已有R-CNN模型选择性搜索的方法,使用肤色检测提取候选区域提升检测速度。首先在YCRCB空间中对原始图像进行肤色检测,提取出包括手在内的颜色相近图块作为候选区域。然后将预处理之后的图块作为卷积神经网络的输入,采用分类的方法获取手部位置,最后使用粒子滤波对手部位置进行修正。实验结果表明,使用像素阈值分割与分类思想的方法将推理时间减少到47 ms,粒子滤波对手部位置的修正使得检测的手部质心轨迹更加平滑。基本满足手部追踪对实时性、稳定性的要求。
关键词
肤色识别
R-CNN
手部
检测
手部追踪
粒子滤波
Keywords
skin color recognition
R-CNN
gesture detection
gesture tracking
particle filter
分类号
TP3 [自动化与计算机技术—计算机科学与技术]
在线阅读
下载PDF
职称材料
题名
基于深度图像的手部姿态估计综述
被引量：
2
2
作者
车云龙
齐越
机构
北京航空航天大学虚拟现实国家重点实验室
鹏城实验室
北京航空航天大学青岛研究院
出处
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2021年第11期1635-1648,共14页
基金
国家自然科学基金(62072020)
广东省重点领域研发计划(2019B010150001)
青岛市创新创业领军人才项目(19-3-2-21-zhc)。
文摘
基于深度图像的手部姿态估计是人机交互和虚拟现实领域的一个重要研究问题.对近些年来该领域的研究工作进行总结和梳理.首先,简述了该问题的定义以及所面临的主要难点,并总结了常用的深度相机、数据集和评价指标;其次,将该领域内的工作分为3个类别并依次进行回顾,其中包括基于模型驱动的方法、从数据集中学习映射函数的基于数据驱动的方法以及同时结合了前两者的混合方法,在叙述过程中,着重介绍了其解决的科学问题以及仍存在的缺陷;最后,从算法的准确性、适用性和鲁棒性3个角度对这些工作分别进行进一步的分析,并对未来的研究方向进行展望.
关键词
深度图像
手部
姿态估计
手部追踪
深度学习
人机交互
Keywords
depth image
hand pose estimation
hand tracking
deep learning
human computer interaction
分类号
TP391.41 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于神经网络与粒子滤波相融合的手部追踪方法
刘华江
李庆党
祝方舟
《电子测量技术》
2020
1
在线阅读
下载PDF
职称材料
2
基于深度图像的手部姿态估计综述
车云龙
齐越
《计算机辅助设计与图形学学报》
EI
CSCD
北大核心
2021
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
