Microsoft Kinect Depth Stream을 사용하여 핸드 분할 작업을하고 있습니다. 일부 thresholding을 수행하여 MS Kinect Sensor에서 제공하는 심도 정보를 기반으로 백그라운드에서 신체를 분리 할 수있었습니다. 이제는 손을 세그먼트 화하는 것이 좋습니다. 어떤 제안을 어떻게 손을 세그먼트 수 있습니다. 아래는 내 깊이 이미지의 스크린 샷입니다. 오픈 CV를 파이썬에서 사용하고 있습니다. Kinect 센서 스트림에 액세스하려면 Microsoft의 PyKinect를 사용하고 있습니다.
심도의 영역 분할 오픈 CV 파이썬을 사용하는 Microsoft Kinect의 이미지
필요한 것은 의미 론적 분할 알고리즘입니다. 무작위 결정 숲은 환상적인 결과를 가져 왔습니다. Haggag et al. 그것은 Shotton et al과 Buys 등이 수행 한 작업 위에 구축되었습니다.
깊은 학습을 사용하려면 Abubakr 등이 수행 한 작업을 확인하십시오.
필요한 것은 의미 론적 세분화 알고리즘입니다. 무작위 결정 숲은 환상적인 결과를 가져 왔습니다. Haggag et al. 그것은 Shotton et al과 Buys 등이 수행 한 작업 위에 구축되었습니다.
깊은 학습을 사용하려면 Abubakr 등이 수행 한 작업을 확인하십시오. 기본 문서는 Shotton et al. 및 Buys et al. Shoton의 작품은 Kinect를 설립 한 작품입니다.
[1] Shotton 등., "효율적인 인간 포즈 단일 깊이 영상에서 추정"패턴 분석 및 머신 지성 IEEE 트랜잭션 2013
[2] 매입 등., "적응 형 시스템 RGB-D 기반의 인체 탐지 및 자세 추정을 위해, "Journal of Visual Communication and Image Representation, 2014.
Haggag et al. 및 Abobakr et al. 이 논문들을 바탕으로 무작위적인 숲을 이용하여 다음과 같은 것들을 생산합니다.
[3] Abobakr 등., "임의 결정 포레스트 사용 깊이 이미지에서 뼈대-낙차 검출 시스템"IEEE 시스템 저널
2018 [4] Haggag 등., "적응 형 RGB-D 기반의 인체 탐지 및 자세 추정을위한 시스템 : 첨부 된 소품 통합, "IEEE 국제 학술 대회, 2016.
[5] Haggag 외,"Semantic body parts "SMC (Systems, Man and Cybernetics)에 관한 IEEE 국제 회의, 2016.
더 나은 votin g 계획과 무작위 나무에 의해 생산 된 라벨지도의 공칭 라벨/결정 융합에 대해서는 아래의 저서를 확인하십시오.
[6] Hossny 외., 전자 문자 "이라는 로컬 다수 필터와 이미지의 결정 융해"
2017 Abobakr 외. 다음 혼입 한 딥 러닝.
[7 ] Abobakr 외, "깊은 회선 신경 네트워크를 이용한 신체 관절 회귀", IEEE 국제 회의, 시스템, 인간 및 인공 두뇌 학 (SMC), 2016.
[8] Abobakr 외, "RGB-D 인간 깊은 컨 벌루 셔널 신경망을 이용한 인간 공학 연구를위한 자세 분석 ", IEEE IEEE (Institute for Systems, Man and Cybernetics) , 2017.
[9] Nahavandi et al., "심층 신경망을 이용한 깊이 영상으로부터의 해골없는 신체 표면 영역 추정", IEEE 국제 학술 대회, 2017.
조금 확장 해 주시겠습니까? –
의견 섹션은 포괄적 인 목록을 허용하지 않습니다. 나는 또 다른 대답을 추가했다. –
대단히 고마워. –