2026《手部姿态算法的国内外研究现状的文献综述》4000字.docVIP

PAGE

PAGE1/22

手部姿态算法的国内外研究现状的文献综述

近年来，随着计算机软硬件设备性能不断提高，可消费级别相机走进大众视野，更重要的是深度学习REF_Ref4373\r\h[6](DeepLerning,DL)在计算机视觉领域取得了突破性进展，尤其是随着仿照生物视觉感知(VisualPerception)机制构建的卷积神经网络REF_Ref13125\r\h[7](ConvolutionalNeuralNetworks,CNN)应用的日渐成熟，使得以深度学习为依托的基于视觉的手部姿态估计呈现欣欣向荣景象REF_Ref13017\r\h[8]。

基于视觉的手部姿态估计依赖于视觉数据的形式，其中研究最多的当属基于深度图和基于彩色图像的手部姿态估计算法。本文方法是基于彩色图像展开研究的，因此在本节将首先介绍基于彩色图像的手部姿态估计算法的研究现状，其次介绍同时估计手部姿态和形状的算法。

1.1基于彩色图像的手部姿态估计

在研究中，手部姿态估计通常指，估计构成抽象手骨架的21个关键点的2D/3D坐标位置。由于深度模糊问题的存在，导致基于彩色图像的3D手部姿态工作是具有挑战的任务。针对这一问题，近年来研究人员从多个角度分析问题，提出了多种解决办法。一部分工作受到基于深度图的姿态估计算法的启发，利用深度图来弥补彩色图