一种基于Kinect的多模型融合视频人手分割方法

    公开(公告)号:CN103226708A

    公开(公告)日:2013-07-31

    申请号:CN201310118064.7

    申请日:2013-04-07

    Abstract: 本发明提供了一种基于Kinect的多模型融合视频人手分割方法,包括如下步骤:(1)捕捉视频信息;(2)分别对视频中的图像进行分割得到深度模型、肤色模型和背景模型的分割结果,分割结果的表现形式为二值图;(3)计算三个分割结果的两两重叠率,作为衡量它们各自分割效果好坏的特征,把三个重叠率输入到神经网络;(4)神经网络输出三个系数(即置信系数),置信系数表示出三个模型各自的可靠性,三个分割结果经由置信系数进行加权;(5)对加权后的三个模型分割结果进行线性叠加;(6)叠加的结果经过阈值函数输出最终的二值图,最后分割得到的视频人手区域;(7)更新背景模型。具有成本低和灵活性好等优点。

    一种基于Kinect的多模型融合视频人手分割方法

    公开(公告)号:CN103226708B

    公开(公告)日:2016-06-29

    申请号:CN201310118064.7

    申请日:2013-04-07

    Abstract: 本发明提供了一种基于Kinect的多模型融合视频人手分割方法,包括如下步骤:(1)捕捉视频信息;(2)分别对视频中的图像进行分割得到深度模型、肤色模型和背景模型的分割结果,分割结果的表现形式为二值图;(3)计算三个分割结果的两两重叠率,作为衡量它们各自分割效果好坏的特征,把三个重叠率输入到神经网络;(4)神经网络输出三个系数(即置信系数),置信系数表示出三个模型各自的可靠性,三个分割结果经由置信系数进行加权;(5)对加权后的三个模型分割结果进行线性叠加;(6)叠加的结果经过阈值函数输出最终的二值图,最后分割得到的视频人手区域;(7)更新背景模型。具有成本低和灵活性好等优点。

    基于Kinect的视频人手指尖定位方法

    公开(公告)号:CN103226387A

    公开(公告)日:2013-07-31

    申请号:CN201310118060.9

    申请日:2013-04-07

    Abstract: 本发明提供了一种基于Kinect的视频人手指尖定位方法,包括如下步骤:(1)采集视频信息;(2)分析处理并分割视频信息,获取用户手部;(3)对用户手部的手掌进行椭圆拟合得到椭圆,将所述椭圆的圆心作为手掌心点;(4)对用户手臂点进行定位;(5)对用户指尖进行定位,所述定位包括多指定位和单指定位。具有鲁棒性好等优点。

    一种基于Kinect的手写方法

    公开(公告)号:CN103226388A

    公开(公告)日:2013-07-31

    申请号:CN201310118074.0

    申请日:2013-04-07

    Abstract: 本发明公开了一种基于Kinect的手写方法,主要包括如下步骤:步骤1、捕捉视频信息;步骤2、分析处理并分割视频信息,分割得到每一帧图像里面用户的手部;步骤3、分割后的视频信息分为两个模块:手写轨迹定位和字符识别模块与手势识别和响应模块。具有书写的自由度高、使用方便和实用性强等优点。

    基于Kinect的视频人手指尖定位方法

    公开(公告)号:CN103226387B

    公开(公告)日:2016-06-22

    申请号:CN201310118060.9

    申请日:2013-04-07

    Abstract: 本发明提供了一种基于Kinect的视频人手指尖定位方法,包括如下步骤:(1)采集视频信息;(2)分析处理并分割视频信息,获取用户手部;(3)对用户手部的手掌进行椭圆拟合得到椭圆,将所述椭圆的圆心作为手掌心点;(4)对用户手臂点进行定位;(5)对用户指尖进行定位,所述定位包括多指定位和单指定位。具有鲁棒性好等优点。

    一种基于Kinect的手写方法

    公开(公告)号:CN103226388B

    公开(公告)日:2016-05-04

    申请号:CN201310118074.0

    申请日:2013-04-07

    Abstract: 本发明公开了一种基于Kinect的手写方法,主要包括如下步骤:步骤1、捕捉视频信息;步骤2、分析处理并分割视频信息,分割得到每一帧图像里面用户的手部;步骤3、分割后的视频信息分为两个模块:手写轨迹定位和字符识别模块与手势识别和响应模块。具有书写的自由度高、使用方便和实用性强等优点。

Patent Agency Ranking