一种基于流形学习的三维人手跟踪方法
人体生物力学研究表明人手的状态空间被约束在一个合理的构型子空间中，而且在该子空间中的人手运动轨迹是平滑的，因此，建立高维人手状态空间的低维表示是可行的。本文采用后向约束的高斯过程隐含变量模型(GPLVM with backconstraint)同步学习得到隐含变量、隐含空间(流形空间)到人手状态空间的非线性映射，然后采用通用的径向基函数(RBF)插值框架构建流形空间到图像空间的非线性映射。跟踪过程在学习得到的低维空间中应用Condensation算法，在流形空间中采样和预测，提高了粒子的表达能力;通过学习得到的非线性映射，将低维粒子映射到图像空间直接进行观测，避免了观测阶段对图像进行特征提取和特征计算，实验证明本文的方法可以有效的跟踪关节人手的三维运动。
人手跟踪 流形学习 粒子滤波器
韩磊 吴心筱 梁玮 贾云得
北京理工大学计算机科学技术学院，北京，100081
国内会议
苏州
中文
1083-1092
2007-10-18（万方平台首次上网日期，不代表论文的发表时间）