手的实时跟踪(Real time tracking of hand)

我试图发现和使用OpenCV的跟踪手的实时性。 我想哈尔级联分类将产生一个公平的结果。 分别有10K和20K正面和负面的图像训练结束后，我得到一个分类的XML文件。 不幸的是，它仅检测特定位置的手，证明它的效果最好只为刚性物体。 因此，我现在正在考虑采用另一种算法，可以跟踪手的，一旦通过Haar分类检测。

我的问题是，如果我要确保Haar分类检测手在某一帧，一定的位置，用什么方法将进一步得到手的鲁棒跟踪？

我搜索网站了一下，明白我可以去检测到的手的光流，或卡尔曼滤波器或粒子过滤器，也都遇到过自己的缺点。

另外，如果我结合立体视觉，它会帮助我，我可以有可能在3D重建的手。

Answer 1:

您正确地总结有关哈尔特征 - 他们是没有多大用处的，当涉及到非刚性物体。

看看它们使用肤色来检测人手中的以下文件。

1. 手和可穿戴式摄像机之间的相互作用
2. 增强现实对象的无标记检测

而本文使用KLT的特征，第一检测后跟踪手：

快速的2D手的功能羊群多线索跟踪集成

我要说的是一个立体相机不会帮助你的事业很多，作为非刚性物体的三维重建并不简单，需要一大堆的创新和发展。 但是，你可以看看手中的试卷姿势估计部分此页面 ，如果你想追求的3D跟踪。

编辑：另外看看这个最近的一篇文章 ，这似乎取得了良好的效果。

Answer 2:

张等人的实时压缩跟踪不跟踪对象的合理的工作，一旦它已经被一些其他方法检测，只要该议案不会太快。 他们有一个OpenCV的执行（但它需要一些工作重复使用）。

Answer 3:

该研究论文介绍了跟踪手，而无需使用手套用立体相机设置的方法。

Answer 4:

已经有上堆栈溢出类似的问题...

看看我的回答和他人的： https://stackoverflow.com/a/17375647/1463143

你可以为某些通过避免变形实体哈尔培训和检测得到更好的结果。

Answer 5:

CamShift的算法一般是快速，准确的，如果你要跟踪的手作为一个单一的实体。 OpenCV的文档包含一个良好的，易于理解的演示程序，你可以很容易地修改。

如果您需要跟踪手指等，但是，将需要进一步的建模。

文章来源: Real time tracking of hand