分類指導(dǎo)回歸的手勢估計(jì).pdf

1、隨著智能家居和智能設(shè)備的普及發(fā)展，在人們的日常生活中人與設(shè)備之間的信息交互將會(huì)變得越來越頻繁。特別隨著計(jì)算機(jī)和人工智能的發(fā)展，更加符合人類交流方式的無接觸式人機(jī)交互技術(shù)研究領(lǐng)域?qū)?huì)變得日趨活躍。這些研究領(lǐng)域包括了眼球跟蹤技術(shù)、語音識(shí)別技術(shù)、人臉面部表情識(shí)別技術(shù)、唇語識(shí)別技術(shù)、人臉識(shí)別技術(shù)、手勢識(shí)別技術(shù)和身體姿勢識(shí)別技術(shù)等等。由于手勢信息量豐富并且交互運(yùn)動(dòng)具有自然舒適無約束的特點(diǎn)，所以手勢交互技術(shù)是未來人機(jī)交互領(lǐng)域的重要研究方向。

2、　　由于人手體積較小，移動(dòng)速度和方向變化快，手指的自由度非常高，各個(gè)手指之間具有極強(qiáng)的外觀相似性并且非常容易相互遮擋，因此如何基于視覺快速精確地估計(jì)出人手三維關(guān)鍵點(diǎn)是一個(gè)非常具有挑戰(zhàn)性的研究課題。針對復(fù)雜高維度的手勢空間和大視角高遮擋的情形，本文基于“分而治之”的思想提出了一種分類指導(dǎo)回歸的手勢三維關(guān)鍵點(diǎn)估計(jì)方法。該方法將一個(gè)困難復(fù)雜的手勢回歸任務(wù)劃分成多個(gè)相對更容易的子任務(wù)，對每一個(gè)子任務(wù)學(xué)習(xí)一個(gè)其專屬的回歸模型，從而避免了僅靠單一模

3、型無法很好地處理所有情況的問題。
　　首先離線訓(xùn)練一個(gè)以深度圖作為輸入的深度卷積神經(jīng)網(wǎng)絡(luò)分類器GoogLeNet。不同于之前手勢分類器是按照相機(jī)視角不同來劃分類別，本文的分類器是按照剛性對齊的手勢不同來劃分類別。對于手勢分類器所能預(yù)測的所有類別，分別離線訓(xùn)練一個(gè)對應(yīng)于類別的級聯(lián)隨機(jī)森林回歸器。在測試階段，輸入深度圖到手勢分類器直接預(yù)測出一個(gè)手勢類別，然后再次把深度圖送入預(yù)測類別對應(yīng)的級聯(lián)隨機(jī)森林回歸器，最終輸出相機(jī)坐標(biāo)系下的人手關(guān)