Hand tracking with the subspace hierarchical particle filter / Rastreando a mão com o filtro de particulas com hierarquia de subespaços

AUTOR(ES)
DATA DE PUBLICAÇÃO

2006

RESUMO

Nesta dissertação, tratamos o problema de rastrear modelos hierárquicos através de visão computacional no contexto de interfaces gestuais. Gestos formam uma modalidade importante de comunicação humana, e ainda assim, existem poucas, e limitadas, aplicações computacionais com base em gestos. Nosso trabalho é mais uma iniciativa para reverter este quadro. Começamos justificando e discutindo aplicações para a interface visual de gestos da m?ao. Descrevemos os componentes de um sistema de reconhecimento capaz de tornar esta interface possível. Revisamos a teoria Bayesiana da probabilidade, discutimos suas vantagens, os motivos que adiaram sua adoção em larga escala e derivamos, a partir dela, o filtro de partículas. O filtro de partículas pode ser visto como uma solução aproximada para o problema de estimativa de parâmetros. ´E usado, por exemplo, para determinar os ângulos das juntas de um modelo tridimensional da m?ao que melhor caracterizem a pose e posição de uma mão real, gravada em uma seqüência de vídeo. Entretanto, a performance do filtro degrada à medida que aumentamos o número de dimensões do espaço de parâmetros. Nestes casos, um número exponencialmente maior de partículas é necessário para que o filtro convirja, inviabilizando aplicações interativas. A nossa principal contribuição é o Filtro de Partículas com Hierarquia de Subespaços. A partir da estrutura presente em modelos hierárquicos, propomos uma forma de dividir o espaço de parâmetros em subespaços que são atribuídos a filtros de partículas diferentes, organizados na forma de um grafo acíclico orientado. Esta construção apresenta melhor convergência que o filtro de partículas original, possibilitando a recuperação dos parâmetros do modelo da m?ao com um número sensivelmente menor de partículas. Usamos uma luva com seis marcadores idênticos para facilitar a extra¸c?ao de dados da imagem e então poder focar o trabalho na recuperação dos parâmetros do modelo. Dado o número restrito de marcadores, o modelo que usamos possui 15 graus de liberdade, nove a menos que um modelo da m?ao completo. Implementamos um sistema de reconhecimento, com base neste filtro, que roda a 30 quadros por segundo em um computador pessoal topo de linha e o validamos através de seqüências de vídeo reais e sintetizadas

ASSUNTO(S)

interfaces (computador) visão por computador computer vision rastreamento automatico computer interfaces automatic tracking

ACESSO AO ARTIGO

Documentos Relacionados