基于TLD框架的手熱檢測與跟蹤系統(tǒng)的研究與實現(xiàn).pdf

1、最近幾年，隨著各種智能設(shè)備如手機(jī)、平板電腦、智能電視等的普及，人與計算機(jī)之間的交互活動越來成為人們?nèi)粘Ｉ钪胁豢苫蛉钡囊粋€重要組成部分。自然人機(jī)交互系統(tǒng)充分利用了這些身體語言來進(jìn)行人與機(jī)器之間的交互。其中，手勢是很重要的一種手段。本文將嘗試設(shè)計一個簡單的基于視覺的手勢交互系統(tǒng)原型，其最終目的是用人手模擬計算機(jī)鼠標(biāo)的功能。該系統(tǒng)設(shè)計的關(guān)鍵功能是實時地跟蹤并檢測人手的位置、狀態(tài)并輸出結(jié)果。
　　 在計算機(jī)視覺領(lǐng)域，實時目標(biāo)檢測與跟蹤

2、是指在一個視頻流（通常是由攝像機(jī)實時拍攝的畫面）中跟蹤一個或多個具有選定特征的目標(biāo)的過程。目前，靜止圖像中目標(biāo)檢測（如人臉檢測）的相應(yīng)技術(shù)已經(jīng)非常成熟，但是在運動場景中實時地捕捉目標(biāo)卻一直是一個比較艱難的課題。由于應(yīng)用場景的復(fù)雜性，跟蹤目標(biāo)的多樣性、以及對實時性和魯棒性等的高要求，實時目標(biāo)檢測與跟蹤數(shù)十年來一直是國內(nèi)研究的熱點。
　　 本文的主要研究了一種基于TLD框架的實時手勢檢測與跟蹤系統(tǒng)，對手勢檢測，手勢跟蹤，在線學(xué)習(xí)等各

3、個環(huán)節(jié)的誤差優(yōu)化等都進(jìn)行了理論研究與測試，最后，在BeagleBoard嵌入式開發(fā)板上實現(xiàn)了一個簡單的手勢人機(jī)交互系統(tǒng)原型。具體而言，本文的主要工作如下:
　　 (1)結(jié)合TLD的跟蹤框架，采用Lucas-Kanade金字塔算法計算光流，并針對該算法計算耗時的缺點，采用了一種改進(jìn)的金字塔光流計算法，并結(jié)合前后兩幀雙向跟蹤估計誤差，降低了跟蹤的錯誤率，使得光流法對像素點的跟蹤更加可靠，有效地避免了跟蹤中經(jīng)常出現(xiàn)的漂移問題，并且在O

4、penCV下對圖像匹配進(jìn)行了測試。
　　 (2)針對當(dāng)前各種模版匹配算法不能處理目標(biāo)在視野中消失或部分被遮蓋的問題，提出了采用一種基于圖像局部小塊集合的手勢表示模型，采用隨機(jī)蕨分類器做模版匹配，并結(jié)合在線學(xué)習(xí)實時更新模型，有效解決了在目標(biāo)消失后無法重新跟蹤或者當(dāng)目標(biāo)被部分遮蓋時難以給出正確結(jié)果的困難。
　　 (3)設(shè)計了一個簡單的手勢人機(jī)交互系統(tǒng)原型，結(jié)合OMAP處理器的特點，將算法的處理過程平均分配給ARM核心和DSP