1. 解决的问题
- 动态手势识别
- 移动端计算力不足的缺陷
2. 不会的知识点
2.1 总
- 微手势特征提取
2.2 肤色分割
1. 硬阈值肤色分割, HSV色彩空间
含义:
H(Hue)色相,什么颜色
S(Saturation)饱和度,色彩纯度(???)
V (Value) 色彩亮度
与RGB之间的转换:
首先对R,G,B属性归一化,(除以255)
设max = MAX(R,G,B),min=MIN(R,G,B)
可以鉴定为皮肤的条件:
2. 可变肤色分割,Hue色彩空间
3. YCbCr色彩空间
含义
Y:亮度
Cb蓝色色度
Cr红色色度
与RGB之间的转化:
可以认定为肤色的区间:
根据一些神奇的亚研究,YCbCr是最适合肤色分割的颜色系统。
4. 高斯混合模型分割
5. 运动分割的图像运动估计方法
2.3 手势特征提取
- 光流法
- 粒子滤波器跟踪,隐马尔可夫模型识别
- meanShift:
一种聚类算法,起点随意,最终都可以收敛 - camShift:
连续自适应的meanShift算法就是camShift算法
(Continuously Adaptive Meaning Shift)
meanShift是针对单张图片的,为了将该算法扩展到视频流上,将上一帧meanShift得到的结果作为下一帧的输入位置。 - Haar分类器
https://www.cnblogs.com/zyly/p/9410563.html#_label0
(先给链接再做总结)
2.4 其他问题
1. 分类器的强弱:
分类器的强弱不以准确率为标准,准确率高不代表该分类器为强分类器。
分类器的强弱之分以分类器的稳定性为评估标准,分类器稳定性越强,分类器越强;分类器越不稳定,分类器越弱
分类器的稳定性指在输入数据发生变化时,分类器预测结果的稳定性。
3. 核心概念
微手势: 重点在手指信息,包括长度,角度,位置,面积