毕业设计外文翻译《Visualestimationofpointedtargets》.pdfVIP

计算机视觉和图像理解 1.导言 在社会机器人的新兴领域，人类–机器人相互作用通过手势是一个重要的研究课题。人 类进行交际的手势中， 指向手势的互动与机器人特别有趣。 他们开放的直观指示对象和位置 的可能性， 是特别有用的机器人的命令。 指向手势也可结合语音识别指定的口头陈述和位置 参数，还提供了一个明确的输入语音识别时发生歧义。 这种类型的一个例子的情况是指向手 势引导机器人到一个特定的对象或使用地点。 机器人必须能够检测的指向手势和估计目标位 置，从而指出，主要的问题出现，有关最近在这一领域的研究视野 [1 –4,8]。一些最重要的 挑战是相关的实时计算， 得到的精度和运行在困难的杂乱环境可能遮挡， 光照和不同的背景。 另一个共同的要求是， 指向手势必须认识到， 无论规模大小， 大指向手势是指进行全臂延伸 而小的指向手势只减少前臂和手的运动 [ 3,4 ] 。 基于这一事实， 对于大多数应用程序， 它是指目标而不是实际的指向， 这是非常重要的， 我们制定了一个新的方法， 与现有的指向手势识别的方法， 也考虑到可能指出目标位置的先 验信息。 假设的指示语的手势， 最常见的类型例如， 一个涉及食指指向对象的利益和用户的 目光指向同一目标 [ 5,6 ] 我们制定我们的方法使用单眼设置高精度跟踪下飞机头部旋转， 同 时识别手指的手势。这两种输入流被组合在一起推导出指向目标使用的配方是基于 Dempster -Shafer 理论的证据 [7] 。一种区别我们的方法来自使用相机基本的方法， 多数使用 立体声或多摄像机设置。然而，本文的主要内容在于基于 Dempster -Shafer 理论输入端的 组合，让该方法在一种或两种输入数据流丢失的情况下能妥善处理 （例如手指向的来自遮挡 了的可见光） ；也就是，使用的输入的信号缺乏，实现了令人印象深刻的结果，这是当代概 率融合方法不可能得到的来源 [1,8] 。此外， 本文所提出的制定的信念被分配到设置尖锐的目 标而不是个人提出的目标。 Dempster 的组合规则有助于这些信念相结合，而不需要将他们 的个人目标的分别观测指出， 假如没有明确的建议。 在下面的章节中对相关工作 （第2 节） 和提出的方法（第 3 节）进行了论述。手指的手势识别的简要讨论在第 4 节而人脸姿势识 别在第 5 节进行了阐述。人脸姿态和手指的融合，是本文的重点，在第 6 节进行了分析。 在模拟环境下的实验结果及其使用的地面真实数据的结果在第 7 节。本文的结论与讨论在 第 8 节。 2 相关的工作 手势识别的研究近年来受到越来越多的关注，也超越了人类–机器人互动的区域，例如 在情感计算和身临其境的游戏技术。 第一次尝试解决手势解读导致的机械装置， 直接测量手 或手臂的关节角度和空间位置，所谓的手套设备 [ 9 ] 。随着计算机视觉技术及快速处理器可 用性的最新研究进展， 在基于视觉的非接触式接口增加了可穿戴设备， 克服阻碍缓解作用的 弊端。最近基于视觉的手势识别技术作了较全面的介绍 [ 11 ]而且大部分的努力都集中在手 势识别 [12,6] 以及手语翻译 [ 13,14 ] 。 基于视觉手势的研究指出，有使用立体声或多摄像机系统的几种