深度图像中的3D手势姿态估计方法综述
2021-05-24王丽萍邱飞岳章国道
小型微型计算机系统 2021年6期
王丽萍,汪 成,邱飞岳,2,章国道
1(浙江工业大学 计算机科学与技术学院,杭州310023)2(浙江工业大学 教育科学与技术学院,杭州 310023)
E-mail:690589058@qq.com
1 引 言
手势姿态估计是指从输入的图像或者视频中精确定位手部关节点位置,并根据关节点之间的位置关系去推断出相应的手势姿态.近年来,随着深度学习技术的发展,卷积神经网络(Convolution Neural Networks,CNN)[1]推动了计算机视觉领域的快速发展,作为计算机视觉领域的一个重要分支,手势姿态估计技术引起了研究者广泛关注.
随着深度学习技术的快速发展和图像采集硬件设备的提升,基于传统机器学习的手势姿态估计模型逐渐被基于深度学习的估计模型所取代,国内外众多研究机构相继开展了针对该领域的学习研究,有效推动了手势姿态估计技术的发展.手势姿态估计大赛“Hands 2017”[2]和“Hands2019”[3]吸引了国内外众多研究者们参与,综合分析该项赛事参与者提出的解决方案,虽然不同的方法在计算性能和手势姿态估计精度上各有差异,但所有参赛者都是使用深度学习技术来解决手势姿态估计问题,基于深度学习的手势姿态估计已经成为该领域主流发展趋势.
除此之外,潜在的市场需求也是促进手势姿态技术快速发展的原因之一.手势姿态估计可广泛应用于虚拟现实和增强现实中,手势作为虚拟现实技术中最重要的交互方式之一,可以为用户带来更好的沉浸式体验;手势姿态估计还可以应用于手势识别、机器人抓取、智……
登录APP查看全文
