基于RGB-D数据的自适应局部时空特征提取方法

作     者：林佳 阮晓钢 于乃功 Ouattara Sie 朱晓庆 LIN Jia;RUAN Xiaogang;YU Naigong;OUATTARA Sie;ZHU Xiaoqing

作者机构：北京工业大学电子信息与控制工程学院北京100124 北京工业大学计算智能与智能系统北京市重点实验室北京100124 

出 版 物：《北京工业大学学报》 (Journal of Beijing University of Technology)

年 卷 期：2016年第42卷第11期

页      面：1643-1651页

学科分类：1305[艺术学-设计学（可授艺术学、工学学位）] 0810[工学-信息与通信工程] 13[艺术学] 081104[工学-模式识别与智能系统] 08[工学] 0804[工学-仪器科学与技术] 0805[工学-材料科学与工程（可授工学、理学学位）] 081101[工学-控制理论与控制工程] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家"973"计划资助项目(2012CB720000) 国家自然科学基金资助项目(61573029) 

主　　题：手势识别 一次学习 时空特征 自适应 运动感兴趣区域 

摘      要：对于一次学习手势识别,噪声和全局经验运动约束严重影响时空特征的精确与充分提取,为此提出了一种融合颜色和深度(RGB-D)信息的自适应局部时空特征提取方法.首先建立连续两灰度帧和两深度帧的金字塔以及相应的光流金字塔作为尺度空间.然后根据灰度和深度光流的水平与垂直方差自适应提取运动感兴趣区域(motion regions of interest,MRo Is).接着仅在MRo Is内检测角点作为兴趣点,当兴趣点的灰度和深度光流同时满足局部运动约束时即为关键点,局部运动约束是在每个MRo I内自适应确定的.最后在改进的梯度运动空间计算SIFT-like描述子.Chalearn数据库上的实验结果表明:提出方法得到了较高的识别准确率,其识别性能优于现已发表的方法.