改进的KSMS手势跟踪算法研究

您当前的位置：

首页 >

文章列表页 >

改进的KSMS手势跟踪算法研究

信息光学与图像处理 | 更新时间：2025-09-01

- 改进的KSMS手势跟踪算法研究
- An improved KSMS hand tracking algorithm
- 光学技术 2013年39卷第5期页码：456-459
- 作者机构：
  
  1:首都师范大学信息工程学院
- 作者简介：
- 基金信息：
  
  国家自然科学基金项目(11178017);北京市自然科学基金资助项目(4132014);北京市教委科技面上项目(KM201110028017);首都师范大学实验室开放基金项目
- DOI：10.13741/j.cnki.11-1879/o4.2013.05.014
  中图分类号：
- 纸质出版：2013
- 稿件说明：
移动端阅览
丁辉, 纪成双, 王琳. 改进的KSMS手势跟踪算法研究[J]. 光学技术, 2013,39(5):456-459.

An improved KSMS hand tracking algorithm[J]. 2013, 39(5): 456-459.
丁辉, 纪成双, 王琳. 改进的KSMS手势跟踪算法研究[J]. 光学技术, 2013,39(5):456-459. DOI： 10.13741/j.cnki.11-1879/o4.2013.05.014.

An improved KSMS hand tracking algorithm[J]. 2013, 39(5): 456-459. DOI： 10.13741/j.cnki.11-1879/o4.2013.05.014.

Mean-Shift算法是一种基于颜色信息的有效跟踪算法

当背景中存在相似颜色信息干扰时会导致目标跟踪丢失。针对手势识别中的肤色干扰问题

提出了一种改进的基于肤色约束的Kalman滤波和Mean-Shift融合KSMS(Kalman Skin Mean-Shift)跟踪算法。利用Kalman滤波的预测功能

对搜索窗口提前进行预测

从而提高跟踪的准确性。实验结果表明

算法准确可靠

在大面积肤色信息干扰时具有良好的鲁棒性。

浏览量

下载量

CSCD

文章被引用时，请邮件提醒。

提交

工具集

关联资源

基于FPGA的运动目标实时检测跟踪算法及其实现技术

基于加权多实例学习的压缩感知目标跟踪

团块建模与粒子滤波相结合的行人目标视觉跟踪

场景自适应的跟踪特征选择机制研究

颜色与纹理相融合的自适应粒子滤波跟踪算法