基于視頻的人機交互方式研究.pdf

1、自然人機交互是未來計算機的發(fā)展方向,最終目標是使計算機能看,能聽,能說,會思考。文章研究的是用多個指示色標塊作為交互媒介,攝像頭作為輸入設(shè)備的基于計算機視覺的人機交互,重點是多個指示色標塊的檢測和跟蹤,具體分成三個部分:
　　 1.運動目標區(qū)域提取。在整幅圖像中查找指示色標塊容易受到背景干擾,考慮到指示色標塊在運動區(qū)域中,在連續(xù)幀中根據(jù)圖像的相似性確定背景圖像,當前幀圖像與背景圖像差分確定運動區(qū)域以去除背景干擾和縮小指示色標塊查

2、找的區(qū)域。該算法簡單、運算復雜度低,魯棒性好。
　　 2.指示色標塊檢測。指示色標塊容易受到背景和光照等條件影響,顏色閾值會發(fā)生偏移,但是在某一個應用場景,指示色標塊顏色向量值比較穩(wěn)定。首先計算運動區(qū)域凸包,在凸包中進行采樣并賦權(quán)值,然后通過聚類確定種子,使用基于最小錯誤率的貝葉斯決策作為生長準則進行生長。該算法與傳統(tǒng)的顏色閾值向量方法相比,應用場景更廣,效果更好。
　　 3.指示色標塊跟蹤。根據(jù)檢測結(jié)果用Mean Sh

3、ift算法在后續(xù)幀中實現(xiàn)指示色標塊的跟蹤實驗,發(fā)現(xiàn)當色標塊運動過快,或者每秒處理的幀較少時,前后幀的目標區(qū)域不重疊,跟蹤不到目標。應用基于kalman濾波器預測的Mean Shift算法和基于灰預測的MeanShift算法都可以克服這一問題,前者運算量大,運算速度慢,每秒處理的幀較少,導致視頻處理時無法保證目標運動的連貫性,而后者可以克服這些限制,更加適用。
　　 實驗結(jié)果表明,本文提出的指示色標塊的檢測方法和基于灰預測的Mea