基于視頻的人機(jī)交互方式研究.pdf

1、自然人機(jī)交互是未來計(jì)算機(jī)的發(fā)展方向,最終目標(biāo)是使計(jì)算機(jī)能看,能聽,能說,會思考。文章研究的是用多個(gè)指示色標(biāo)塊作為交互媒介,攝像頭作為輸入設(shè)備的基于計(jì)算機(jī)視覺的人機(jī)交互,重點(diǎn)是多個(gè)指示色標(biāo)塊的檢測和跟蹤,具體分成三個(gè)部分:
　　 1.運(yùn)動(dòng)目標(biāo)區(qū)域提取。在整幅圖像中查找指示色標(biāo)塊容易受到背景干擾,考慮到指示色標(biāo)塊在運(yùn)動(dòng)區(qū)域中,在連續(xù)幀中根據(jù)圖像的相似性確定背景圖像,當(dāng)前幀圖像與背景圖像差分確定運(yùn)動(dòng)區(qū)域以去除背景干擾和縮小指示色標(biāo)塊查

2、找的區(qū)域。該算法簡單、運(yùn)算復(fù)雜度低,魯棒性好。
　　 2.指示色標(biāo)塊檢測。指示色標(biāo)塊容易受到背景和光照等條件影響,顏色閾值會發(fā)生偏移,但是在某一個(gè)應(yīng)用場景,指示色標(biāo)塊顏色向量值比較穩(wěn)定。首先計(jì)算運(yùn)動(dòng)區(qū)域凸包,在凸包中進(jìn)行采樣并賦權(quán)值,然后通過聚類確定種子,使用基于最小錯(cuò)誤率的貝葉斯決策作為生長準(zhǔn)則進(jìn)行生長。該算法與傳統(tǒng)的顏色閾值向量方法相比,應(yīng)用場景更廣,效果更好。
　　 3.指示色標(biāo)塊跟蹤。根據(jù)檢測結(jié)果用Mean Sh

3、ift算法在后續(xù)幀中實(shí)現(xiàn)指示色標(biāo)塊的跟蹤實(shí)驗(yàn),發(fā)現(xiàn)當(dāng)色標(biāo)塊運(yùn)動(dòng)過快,或者每秒處理的幀較少時(shí),前后幀的目標(biāo)區(qū)域不重疊,跟蹤不到目標(biāo)。應(yīng)用基于kalman濾波器預(yù)測的Mean Shift算法和基于灰預(yù)測的MeanShift算法都可以克服這一問題,前者運(yùn)算量大,運(yùn)算速度慢,每秒處理的幀較少,導(dǎo)致視頻處理時(shí)無法保證目標(biāo)運(yùn)動(dòng)的連貫性,而后者可以克服這些限制,更加適用。
　　 實(shí)驗(yàn)結(jié)果表明,本文提出的指示色標(biāo)塊的檢測方法和基于灰預(yù)測的Mea