Skip to main content
Fachgebiete
Automobil + Motoren Bauwesen + Immobilien Business IT + Informatik Elektrotechnik + Elektronik Energie + Nachhaltigkeit Finance + Banking Management + Führung Marketing + Vertrieb Maschinenbau + Werkstoffe Versicherung + Risiko
DE
EN
Bücher
Zeitschriften
Themenseiten
Organisationspsychologie Projektmanagement Marketing Smart Manufacturing
Weitere Formate
Podcasts Webinare Technik Webinare Wirtschaft Kongresse Veranstaltungskalender Awards
Jetzt Einzelzugang starten
Zugang für Unternehmen
Referenzkunden
SLX-Digitalkonferenz: Zukunftswerkstatt 2024

Mehr Umsatz mit Top-Kontakten

Am 7. Mai erfahren Sie, wie Vertriebsteams Leadgenerierung, Leadnurturing und Leadstrategien effizient steuern können.
Erweiterte Suche
Anmelden
nach oben
Erschienen in:
A New Gait-Based Identification Method Using Local Gauss Maps Kapitel lesen Erstes Kapitel lesen

2015 | OriginalPaper | Buchkapitel

Depth-Based Real-Time Hand Tracking with Occlusion Handling Using Kalman Filter and DAM-Shift

verfasst von : Kisang Kim, Hyung-Il Choi

Erschienen in: Computer Vision - ACCV 2014 Workshops

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config
loading …

Abstract

In this paper, we propose real-time hand tracking with a depth camera by using a Kalman Filter and an improved DAM-Shift (Depth-based adaptive mean shift) algorithm for occlusion handling. DAM-Shift is a useful algorithm for hand tracking, but difficult to track when occlusion occurs. To detect the hand region, we use a classifier that combines a boosting and a cascade structure. To verify occlusion, we predict in real time the center position of the hand region using Kalman Filter and calculate the major axis using the central moment of the preceding depth image. Using these factors, we measure real-time hand thickness through a projection and the threshold value of the thickness using a 2nd linear model. If the hand region is partially occluded, we cut the useless region. Experimental results show that the proposed approach outperforms the existing method.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

  • über 102.000 Bücher
  • über 537 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Maschinenbau + Werkstoffe
  • Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Technik"

Online-Abonnement

Mit Springer Professional "Technik" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 390 Zeitschriften

aus folgenden Fachgebieten:

  • Automobil + Motoren
  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Elektrotechnik + Elektronik
  • Energie + Nachhaltigkeit
  • Maschinenbau + Werkstoffe




 

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

  • über 67.000 Bücher
  • über 340 Zeitschriften

aus folgenden Fachgebieten:

  • Bauwesen + Immobilien
  • Business IT + Informatik
  • Finance + Banking
  • Management + Führung
  • Marketing + Vertrieb
  • Versicherung + Risiko




Jetzt Wissensvorsprung sichern!

Jetzt informieren
Vorheriges Kapitel Online Learning of Binary Feature Indexing for Real-Time SLAM Relocalization
Nächstes Kapitel Evaluation of Depth-Based Super Resolution on Compressed Mixed Resolution 3D Video
Literatur
1.
Quam, D.L.: Gesture recognition with a DataGlove. In: Proceedings of the IEEE National Aerospace and Electronics Conference, pp. 755–760 (1990)
2.
Wang, R.Y., Popovic, J.: Real-time hand-tracking with a color glove. ACM Trans. Graph. 28(3), 63:1–63:8 (2009)
3.
Lamberti, L., Camastra, F.: Handy: a real-time three color glove-based gesture recognizer with learning vector quantization. Expert Syst. Appl. 39(12), 10489–10494 (2012)CrossRef
4.
Suk, H.I., Sin, B.H.: Dynamic Bayesian network based two-hand gesture recognition. J. KIISE: Softw. Appl. 35(4), 265–279 (2008)
5.
Bhuyan, M.K., Neog, D.R., Kar, M.K.: Fingertip detection for hand pose recognition. Int. J. Comput. Sci. Eng. 4(3), 501–511 (2012)
6.
Park, M.S., Hasan, M., Kim, J.M., Chae, O.S.: Hand detection and tracking using depth and color information. In: Proceedings of the International Conference on Image Processing, Computer Vision, and Pattern Recognition, pp. 779–785 (2012)
7.
Van den Bergh, M., Van Gool, L.: Combining RGB and ToF cameras for real-time 3D hand gesture interaction. In: Proceedings of the IEEE Workshop on Applications of Computer Vision, pp. 66–72 (2011)
8.
Trindade, P., Lobo, J., Barreto, J.P.: Hand gesture recognition using color and depth images enhanced with hand angular pose data. In: Proceedings of the IEEE International Conference on Multisensor Fusion and Integration for Intelligent Systems, pp. 71–76 (2012)
9.
Mo, Z., Neumann, U.: Real-time hand pose recognition using low-resolution depth images. In: Proceedings of the IEEE Computer Society Conference on Computer Vision and Pattern Recognition, pp. 1499–1505 (2006)
10.
Liu, X., Fujimura, K.: Hand gesture recognition using depth data. In: Proceedings of the 6th IEEE International Conference on Automatic Face and Gesture Recognition, pp. 529–534 (2004)
11.
Malassiotis, S., Strintzis, M.G.: Real-time hand posture recognition using range data. Image Vis. Comput. 26(7), 1027–1037 (2008)CrossRef
12.
Suryanarayan, P., Subramanian, A., Mandalapu, D.: Dynamic hand pose recognition using depth data. In: Proceedings of the 20th International Conference on Pattern Recognition, pp. 3105–3108 (2010)
13.
Oikonomidis, I., Kyriazis, N., Argyros, A.A.: Efficient model-based 3D tracking of hand articulations using Kinect. In: Proceedings of the British Machine Vision Conference (2011)
14.
Joo, S.-I., Weon, S.-H., Choi, H.-I.: Real-time depth-based hand detection and tracking. Sci. World J. 2014, 17 p. (2014)
15.
Park, S., Yu, S., Kim, J., Kim, S., Lee, S.: 3D hand tracking using Kalman filter in depth space. EURASIP J. Adv. Sig. Process. 2012, 18 (2012)
16.
Bradski, G.R.: Computer vision face tracking for use in a perceptual user interface. In: IEEE Workshop on Applications of Computer Vision, Princeton, NJ, pp. 214-219 (1998)
Metadaten
Titel
Depth-Based Real-Time Hand Tracking with Occlusion Handling Using Kalman Filter and DAM-Shift
verfasst von
Kisang Kim
Hyung-Il Choi
Copyright-Jahr
2015
Buch
Computer Vision - ACCV 2014 Workshops

Print ISBN: 978-3-319-16627-8

Electronic ISBN: 978-3-319-16628-5

Copyright-Jahr: 2015

DOI
https://doi.org/10.1007/978-3-319-16628-5_16