浅谈智能视觉技术应用与发展

　　国内不少院校也对基于深度信息的智能视频技术展开了深入研究，武汉大学计算机学院国家多媒体软件工程技术研究中心采用微软公司的Kinect传感器来获取深度图像，并重点研究基于深度图像实时徒手交互中的人手检测、跟踪与手势识别技术，实现复杂背景下自然的手势交互。人手检测指交互系统初始化时判定场景中出现人手或者出现有交互意愿的人手;人手跟踪指根据初始的人手位置判断后续帧图像中人手的位置，手势识别以人手部的动作直接控制计算机的输入。

　　针对KINECT深度图在距离变大情况下人手轮廓模糊，无法根据手部轮廓特点来确认候选手区域，挥手检测失败的问题，根据人手形状在距离变化的情况下，长宽比例满足长条形的约束条件，引入人手形状似长条型先验知识，提出基于形状先验和运动先验的区域增长人手定位模型，形状先验按手型形状比例约束为限制，不受用户与摄像头距离远近变化的影响。克服了手部轮廓模糊无法获取候选人手及质心的困难。结合挥手运动先验，最终定位人手启动人机交互。将挥手检测的适用距离由以前的0.7米到1.8米增加到

　　3.2米，同时检测率达到95%，提升了挥手检测的效率，如图3所示。针对人手跟踪过程中，人手与躯干融合导致跟踪失败的问题，提出了基于邻域深度距离度量的人手跟踪模型，通过预判人手与躯干融合情况，来决定是否启动人手运动检测，恢复人手跟踪，解决了人手与躯干融合时，人手跟踪错误问题，预判融合正确率92.9%，跟踪恢复正确率92.3%如图4所示。以上研究结果在国内外发表多篇SCI、EI检索的科技文献及专利。其成果具有现实的应用价值。

图3基于深度图像的挥手检测

图4基于深度图像的人手跟踪

　　综上所述，智能视觉技术是安防领域中一个重要的研究分支，它在智能监控、虚拟现实、用户接口等方面的应用前景引起了广大科研人员的浓厚兴趣。更多的研究者们正逐步将其成果推向更加智能的应用场合。

(作者单位：武汉大学计算机学院副院长)

声明:

凡文章来源标注为"CPS中安网"的文章版权均为本站所有，如需转载请务必注明出处为"CPS中安网"，违反者本网将追究相关法律责任。非本网作品均来自互联网，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责。