بازگشت به جستجو

تخمین ژست دست سه بعدی با سلسله مراتب محدود با استفاده از جنگل های رگرسیون از داده های عمق فریم تک

عنوان	تخمین ژست دست سه بعدی با سلسله مراتب محدود با استفاده از جنگل های رگرسیون از داده های عمق فریم تک
نویسنده	کراچ، مصطفی فورکان، کارا، ی. ای.، آکارون، ال.
تاریخ انتشار:	2014-12-01
محل انتشار	- الزویر
موضوع	ژست دست، ژست دست مفصل، تصویر عمقی، کینکت، درخت تصمیم
نوع	دوره ای
زبان	انگلیسی
دیجیتال	بله
نسخه خطی	خیر
کتابخانه:	دانشگاه اوزیغین
شناسه دارایی کتابخانه	1872-7344
شماره ثبت	7d17b8d0-d82c-4366-871a-9bb8ac06912e
محل کتابخانه	علوم کامپیوتر
تاریخ	2014-12-01
یادداشت‌ها	با توجه به محدودیت های کپی رایت، دسترسی به متن کامل این مقاله تنها از طریق اشتراک امکان پذیر است.
متن نمونه	ظهور دوربین‌های عمق 2.5 بعدی ارزان قیمت، امکان استخراج حالت بدن انسان را فراهم کرده است. با این حال، استخراج اسکلت دست انسان همچنان به عنوان یک مشکل چالش برانگیز باقی می ماند زیرا دست به اندازه مدل بدن انسان مفاصل دارد. اندازه کوچک دست نیز به دلیل محدودیت های وضوح دوربین های عمق، مشکل را چالش برانگیزتر می کند. علاوه بر این، ژست‌های دست از خود انسدادی رنج می‌برند که در حالت بدنی به میزان قابل توجهی کمتر احتمال دارد. این مقاله طرحی را برای استخراج اسکلت دست با استفاده از جنگل های رگرسیون تصادفی در زمان واقعی توصیف می کند که در برابر خود انسداد و وضوح پایین دوربین عمق قوی است. علاوه بر آن، الگوریتم پیشنهادی می‌تواند موقعیت اتصالات را حتی اگر تمام پیکسل‌های مربوط به یک مفصل خارج از کادر دوربین باشند، تخمین بزند. عملکرد روش جدید با روش طبقه بندی تصادفی جنگل ها در ادبیات مقایسه شده است. علاوه بر این، عملکرد تخمین مشترک با استفاده از یک الگوریتم انتخاب حالت سلسله مراتبی جدید که از محدودیت های اعمال شده توسط هندسه اسکلت استفاده می کند، بیشتر بهبود می یابد. عملکرد الگوریتم پیشنهادی بر روی مجموعه داده‌های حاوی داده‌های مصنوعی و واقعی، که در آن خود انسداد اغلب با آن مواجه می‌شود، آزمایش می‌شود. الگوریتم جدید که در زمان واقعی با استفاده از یک تصویر عمقی اجرا می شود، نشان داده شده است که از روش های قبلی بهتر عمل می کند.
DOI	10.1016/j.patrec.2013.09.003
Cilt	50

مشاهده در منبع دانشگاه اوزیغین دانشگاه اوزیغین - موتور جستجوی آثار تاریخی، آرشیوها و نشریات

دانشگاه اوزیغین

تخمین ژست دست سه بعدی با سلسله مراتب محدود با استفاده از جنگل های رگرسیون از داده های عمق فریم تک

نویسنده کراچ، مصطفی فورکان، کارا، ی. ای.، آکارون، ال.

تاریخ انتشار 2014-12-01

محل انتشار - الزویر

موضوع ژست دست، ژست دست مفصل، تصویر عمقی، کینکت، درخت تصمیم

نوع دوره ای

زبان انگلیسی

دیجیتال بله

نسخه خطی خیر

کتابخانه دانشگاه اوزیغین

شناسه دارایی کتابخانه 1872-7344

شماره ثبت 7d17b8d0-d82c-4366-871a-9bb8ac06912e

محل کتابخانه علوم کامپیوتر

تاریخ 2014-12-01

یادداشت‌ها با توجه به محدودیت های کپی رایت، دسترسی به متن کامل این مقاله تنها از طریق اشتراک امکان پذیر است.

متن نمونه ظهور دوربین‌های عمق 2.5 بعدی ارزان قیمت، امکان استخراج حالت بدن انسان را فراهم کرده است. با این حال، استخراج اسکلت دست انسان همچنان به عنوان یک مشکل چالش برانگیز باقی می ماند زیرا دست به اندازه مدل بدن انسان مفاصل دارد. اندازه کوچک دست نیز به دلیل محدودیت های وضوح دوربین های عمق، مشکل را چالش برانگیزتر می کند. علاوه بر این، ژست‌های دست از خود انسدادی رنج می‌برند که در حالت بدنی به میزان قابل توجهی کمتر احتمال دارد. این مقاله طرحی را برای استخراج اسکلت دست با استفاده از جنگل های رگرسیون تصادفی در زمان واقعی توصیف می کند که در برابر خود انسداد و وضوح پایین دوربین عمق قوی است. علاوه بر آن، الگوریتم پیشنهادی می‌تواند موقعیت اتصالات را حتی اگر تمام پیکسل‌های مربوط به یک مفصل خارج از کادر دوربین باشند، تخمین بزند. عملکرد روش جدید با روش طبقه بندی تصادفی جنگل ها در ادبیات مقایسه شده است. علاوه بر این، عملکرد تخمین مشترک با استفاده از یک الگوریتم انتخاب حالت سلسله مراتبی جدید که از محدودیت های اعمال شده توسط هندسه اسکلت استفاده می کند، بیشتر بهبود می یابد. عملکرد الگوریتم پیشنهادی بر روی مجموعه داده‌های حاوی داده‌های مصنوعی و واقعی، که در آن خود انسداد اغلب با آن مواجه می‌شود، آزمایش می‌شود. الگوریتم جدید که در زمان واقعی با استفاده از یک تصویر عمقی اجرا می شود، نشان داده شده است که از روش های قبلی بهتر عمل می کند.

DOI 10.1016/j.patrec.2013.09.003

Cilt 50