模式识别与人工智能
模式識彆與人工智能
모식식별여인공지능
Moshi Shibie yu Rengong Zhineng
2010年
4期
580-585
,共6页
动态变形手势%区域生长%手势跟踪%手语识别
動態變形手勢%區域生長%手勢跟蹤%手語識彆
동태변형수세%구역생장%수세근종%수어식별
针对传统Mean shift算法在手势跟踪中由于搜索窗口内手势背景像素改变所导致的跟踪精度不高,以及算法本身由于手势模型更新所引起的时间消耗较多等问题,提出一种基于区域生长与Mean shift算法相结合的动态变形手势跟踪算法.该算法在跟踪初始阶段通过帧间差分法对手势中心完成自动初始化,利用区域生长算法采集手势样本点,并通过Mean shift算法对目标中心进行精确定位.实验结果表明,该方法能够对动态变形手势实现精确实时的跟踪,可较好地降低算法的时间复杂度,保证运动目标跟踪的稳定性和连续性.
針對傳統Mean shift算法在手勢跟蹤中由于搜索窗口內手勢揹景像素改變所導緻的跟蹤精度不高,以及算法本身由于手勢模型更新所引起的時間消耗較多等問題,提齣一種基于區域生長與Mean shift算法相結閤的動態變形手勢跟蹤算法.該算法在跟蹤初始階段通過幀間差分法對手勢中心完成自動初始化,利用區域生長算法採集手勢樣本點,併通過Mean shift算法對目標中心進行精確定位.實驗結果錶明,該方法能夠對動態變形手勢實現精確實時的跟蹤,可較好地降低算法的時間複雜度,保證運動目標跟蹤的穩定性和連續性.
침대전통Mean shift산법재수세근종중유우수색창구내수세배경상소개변소도치적근종정도불고,이급산법본신유우수세모형경신소인기적시간소모교다등문제,제출일충기우구역생장여Mean shift산법상결합적동태변형수세근종산법.해산법재근종초시계단통과정간차분법대수세중심완성자동초시화,이용구역생장산법채집수세양본점,병통과Mean shift산법대목표중심진행정학정위.실험결과표명,해방법능구대동태변형수세실현정학실시적근종,가교호지강저산법적시간복잡도,보증운동목표근종적은정성화련속성.