手势跟踪论文学习:Realtime and Robust Hand Tracking from Depth(五)Hand Initialization 2
2014-09-15 18:31
656 查看
论文阅读原创,转载标明出处:
回顾:
上一节我们说到了,作者通过自己定义的X-Y Finger和 Z-Finger来进行手指的检测,然后来初始化Hand Pose。其实勒,手指经常都会死斜着的。也就是说不会是标准的X-Y Finger和或者Z-Finger。那作者是如何的处理的勒?
手指的检测:
对于手指的检测,先进行X-Y Finger的检测。然后分割出去;再进行Z-Finger的检测。但是如果再进行Z-Finger的检测的时候,触及到X-Y
Finger的分割区域以后就停止,不再检测了。
为了提高速度,作者也讲分辨率将为原来的一半。
Hand Initialization:
我们假设检测到f个Finger(不管是X-Y Finger和或者Z-Finger)那么手指带来的自由度是2f。加上手腕的自由度6个,所以我们知道一个Hand
Pose的未知数个数(也就是参数的个数)是2f+6个。(所以我们至少需要2f+6个线性无关的已知才能解出这个方程)
我们再来看我们通过手指的检测得到多少的已知。
假设我们还是检测到f个Finger,那么我们通过PCA可以分析到手指的主成分,也就是手指的方向,这算是2个的约束(应该是一个向量吧)当找到一个手指额时候实际上指尖的空间位置也就定了吧这里又是3个约束(已知)。当我们去掉手指的点云点以后,就只剩下手掌了,这个时候,我们采用PCA又可以分析出手掌的方向,这里又是3个的约束(不是很明白,其实这个归根结底还是要去理解到那26个自由度代表的意义了)。所以我们可以说,至少我么有5f+
3个已知的条件。所以我们足够接触那几个未知数。
所以我们也知道最后那个方程里面各个参数的意义了。
其中的t代表的是指尖的位置(是未知变量的函数),d代表方向,l 代表手掌的方向。上面的方程就是要使得初始化的这个Hand Pose的手指尖和检测到的指尖的距离最小,方向最小,手掌的方向也最小。
如此就完全的理解了这一篇论文了。
望对大家有帮助。
iker,2014年9月15日。
回顾:
上一节我们说到了,作者通过自己定义的X-Y Finger和 Z-Finger来进行手指的检测,然后来初始化Hand Pose。其实勒,手指经常都会死斜着的。也就是说不会是标准的X-Y Finger和或者Z-Finger。那作者是如何的处理的勒?
手指的检测:
对于手指的检测,先进行X-Y Finger的检测。然后分割出去;再进行Z-Finger的检测。但是如果再进行Z-Finger的检测的时候,触及到X-Y
Finger的分割区域以后就停止,不再检测了。
为了提高速度,作者也讲分辨率将为原来的一半。
Hand Initialization:
我们假设检测到f个Finger(不管是X-Y Finger和或者Z-Finger)那么手指带来的自由度是2f。加上手腕的自由度6个,所以我们知道一个Hand
Pose的未知数个数(也就是参数的个数)是2f+6个。(所以我们至少需要2f+6个线性无关的已知才能解出这个方程)
我们再来看我们通过手指的检测得到多少的已知。
假设我们还是检测到f个Finger,那么我们通过PCA可以分析到手指的主成分,也就是手指的方向,这算是2个的约束(应该是一个向量吧)当找到一个手指额时候实际上指尖的空间位置也就定了吧这里又是3个约束(已知)。当我们去掉手指的点云点以后,就只剩下手掌了,这个时候,我们采用PCA又可以分析出手掌的方向,这里又是3个的约束(不是很明白,其实这个归根结底还是要去理解到那26个自由度代表的意义了)。所以我们可以说,至少我么有5f+
3个已知的条件。所以我们足够接触那几个未知数。
所以我们也知道最后那个方程里面各个参数的意义了。
其中的t代表的是指尖的位置(是未知变量的函数),d代表方向,l 代表手掌的方向。上面的方程就是要使得初始化的这个Hand Pose的手指尖和检测到的指尖的距离最小,方向最小,手掌的方向也最小。
如此就完全的理解了这一篇论文了。
望对大家有帮助。
iker,2014年9月15日。
相关文章推荐
- 手势跟踪论文学习:Realtime and Robust Hand Tracking from Depth
- 手势跟踪论文学习:Realtime and Robust Hand Tracking from Depth(三)Cost Function
- 手势跟踪论文学习:Realtime and Robust Hand Tracking from Depth(三)Cost Function
- 手势跟踪论文学习:Realtime and Robust Hand Tracking from Depth(二)
- 手势跟踪论文学习:Realtime and Robust Hand Tracking from Depth(四)Hand Initialization
- 通过深度图实时鲁棒地识别手势 - Realtime and Robust Hand Tracking from Depth
- 《Realtime and Robust Hand Tracking from Depth》读书笔记2
- 《Realtime and Robust Hand Tracking from Depth》读书笔记1
- 论文笔记:Parallel Tracking and Verifying: A Framework for Real-Time and High Accuracy Visual Tracking
- Fusing time-of-flight depth and color for real-time segmentation and tracking
- 视频跟踪论文读后感系列一:Adaptive Color Attributes for Real-Time Visual Tracking(CVPR2014)
- 目标跟踪学习系列七:Real-time compressIve tracking(压缩跟踪)学习
- 多目标跟踪(MOT)论文随笔-SIMPLE ONLINE AND REALTIME TRACKING (SORT)
- 多目标跟踪(MOT)论文随笔-SIMPLE ONLINE AND REALTIME TRACKING WITH A DEEP ASSOCIATION METRIC (Deep SORT)
- 【手势识别-论文学习】 Video-based Hand Manipulation Capture Through Composite Motion Control
- 目标跟踪学习系列五:Real-time visual tracking via online weighted multiple instance learning(WMIL)学习
- Real-Time Camera Tracking and 3D Reconstruction
- Real-Time Compressive Tracking论文代码详细注释
- 论文阅读《Real-time part-based visual tracking via adaptive correlation filters》(3)
- Real-Time Tracking and Tuning for Busy Tomcat Servers