عنوان: سیستم ردیابی حرکات دست با استفاده از روش ROI و فیلتر کالمن تطبیقی
پیاده سازی متلب:
تلفیقی از حرکت و نشانه رنگ برای تشخیص و ردیابی دست
ردیابی دست یک کار چالش برانگیز است که دارای مجموعه ای از برنامه های کاربردی مختلف مانند تشخیص حرکات و زبان اشاره در تعامل انسان و کامپیوتر است. در این مقاله، ترکیبی از رنگ پوست و رویکرد نشانه حرکتی برای تشخیص و ردیابی دست که برای ژست استفاده خواهد شد، استفاده شده است. در رویکرد مبتنی بر رنگ، ناحیه پوست و غیر پوست را در فضای رنگی YCbCr جدا میکنیم. از آنجایی که مولفه درخشندگی در Y متمرکز است، فقط از اجزای کرومینانس Cb و Cr برای توصیف پیکسل رنگ پوست استفاده می شود که می تواند زمان محاسبه را به طور قابل توجهی کاهش دهد. برای حذف تمام اشیا و پسزمینهای که ناحیه دست را نشان نمیدهند، رویکرد مبتنی بر حرکت با استفاده از روش تفاضل فریم معرفی شده است. سپس ناحیه دست شناسایی شده به تصویر باینری تبدیل میشود و یک کادر محدود برای نشان دادن منطقه مورد نظر (ROI) معرفی میشود. برای کنار گذاشتن حرکت نامرتبط و سرعت بخشیدن به زمان محاسبات، ردیابی مکان دست با اسکن پیکسل های پوست در گوشه بالا، چپ و راست ROI انجام می شود. پوسته و پیکسل های حرکتی که در مناطق اسکن وجود دارند برای محاسبه جابجایی سطر و ستون استفاده می شود که سپس برای به روز رسانی ROI جدید اعمال می شود. نتایج تجربی نشان میدهد که رویکرد ما میتواند حدود 20-25 فریم در ثانیه را با نرخ تشخیص 93.56 درصد ردیابی کند.
سیستم ردیابی حرکات دست با استفاده از فیلتر کالمن تطبیقی
این مقاله یک سیستم ردیابی دست را در محیط بدون محدودیت معرفی می کند. این سیستم از دو مرحله اصلی تشکیل شده است که عبارتند از: مقداردهی اولیه و ردیابی. در مقداردهی اولیه، ناحیه دست ابتدا با ترکیب حرکت و پیکسل های رنگ پوست شناسایی می شود. سپس یک ناحیه مورد علاقه (ROI) در اطراف ناحیه دست شناسایی شده ایجاد می شود. در مرحله ردیابی، پوسته و پیکسلهای حرکتی در گوشههای بالا، چپ و راست ROI اسکن میشوند تا دست متحرک را در فریمهای ویدیویی متوالی تشخیص دهند. این پیکسلها برای اندازهگیری موقعیت ROI استفاده میشوند و به بهروزرسانی اندازهگیری عملیات Adaptive Kalman Filter (AKF) وارد میشوند. کوواریانس نویز فرآیند و کوواریانس نویز اندازه گیری AKF با اعمال ضریب وزنی بر اساس مقدار آستانه شتاب به صورت تطبیقی تنظیم می شوند. نتایج تجربی نشان میدهد که روش پیشنهادی دارای توانایی قوی برای ردیابی عقربه متحرک تحت سناریوهای واقعی با سرعت 45 فریم بر ثانیه با میانگین نرخ ردیابی 97.83 درصد است.
نحوه استفاده:
KALMANmethod.m یا ROImethod.m را اجرا کنید
پارامترهایی که باید تنظیم شوند میانگین و انحراف استاندارد هستند:
u_cb = 120.3846;
u_cr = 150.7692;
sigma_cb = 37.136041;
sigma_cr = 13.80914;
این پروژه شامل دو مقاله بیس و فایل پیاده سازی متلب می باشد.
پروژه مشابه دارید؟
برای ثبت سفارش در سیمیا می توانید از طریق اپلیکیشن سیمیا، یا فرم ثبت سفارش در سایت اقدام کرده و یا از طریق ایمیل، واتساپ، تلگرام و اینستاگرام اقدام نمایید.
اپلیکیشن سیمیا را از بازار و مایکت دانلود کنید.
سریع ترین راه پاسخگویی سیمیا، واتساپ می باشد. لینک واتساپ، اینستاگرام و تلگرام در پایین سایت وجود دارد.
نشانی ایمیل سیمیا simiya_ht@yahoo.com می باشد.
از برقراری تماس برای هماهنگی پروژه خودداری کنید، حجم بالای سفارشات به ما اجازه نمی دهد تا از طریق تلفن پاسخگوی شما عزیزان باشیم، حتما درخواست خود را به صورت مکتوب و از طریق یکی از راه های ذکر شده فوق ارسال نمایید، درخواست خود را به طور کامل و با تمام فایل ها و توضیحات لازم ارسال نمایید تا مدت زمان بررسی آن به حداقل برسد. پس از تعیین کارشناس، در اسرع وقت به شما پاسخ می دهیم.
نقد و بررسیها
هیچ دیدگاهی برای این محصول نوشته نشده است.