基于RGB图像的手势估计(Hand Pose Estimation )文献综述

一、手势估计研究难点

1. 场景

  • 手分辨率低(Low-res hand)
  • 背景杂乱(Clutter background)
  • 手与其它对象交互(Object/surface interaction)
  • 手被遮挡(Occlusions/Self-occlusions)

2. 形态

  • 不同手势相似(Self-similarity)
  • 多自由度(many DoF(Degree of Freedom))
  • 多视角(Multiple viewpoints)
  • 不同的形状和尺寸

3. 数据集获取困难

 

二、传统方法

手势估计的传统方法多数是针对RGB-D图像的,不过思路可以迁移到RGB图像上。

1、生成方法(model-based)

首先创建大量的手势;然后选择一个最匹配当前图像的手势。使目标函数(度量输入图像与手模型近似图的相似性)最优化。缺点:初始化复杂、容易陷于局部最优。生成式方法相较判别式应用较少。

  • 7
    点赞
  • 31
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值