<div>
	Метод детектирования пространственного положения рук по данным глубинных камер для малопроизводительных вычислительных устройств</div>

Медведев Дмитрий Сергеевич, Игнатов Андрей Дмитриевич

doi:10.17586/2226-1494-2022-22-2-410-414

2022 , ТОМ 22, НОМЕР 2 ( март-апрель )

ISSN 2226-1494 (print), ISSN 2500-0373 (online)

Меню

Публикации

Главный редактор

НИКИФОРОВ
Владимир Олегович
д.т.н., профессор

Партнеры

doi: 10.17586/2226-1494-2022-22-2-410-414

УДК 004.5; 004.93

Метод детектирования пространственного положения рук по данным глубинных камер для малопроизводительных вычислительных устройств

Медведев Д.С., Игнатов А.Д.

Читать статью полностью

Язык статьи - русский

Ссылка для цитирования:

Медведев Д.С., Игнатов А.Д. Метод детектирования пространственного положения рук по данным глубинных камер для малопроизводительных вычислительных устройств // Научно-технический вестник информационных технологий, механики и оптики. 2022. Т. 22, № 2. С. 410–414. doi:

10.17586/2226-1494-2022-22-2-410-414

Аннотация

Предложен метод определения направления рук в пространстве с применением малопроизводительных устройств интернета вещей. Метод основан на применении алгоритмов, предназначенных для решения задач оценки позы человека (данный класс задач известен как Human Pose Estimation, HPE). На базе алгоритмов построена модель обнаружения направлений рук. Выполнено тестирование и сравнение известных алгоритмов PoseNet и OpenPose, положенных в основу разработанного метода, по среднему углу ошибки. В качестве аппаратной платформы применен одноплатный компьютер Raspberry Pi 4B и глубинный сенсор Intel RealSense D435i. Разработанный метод может быть применен в системах управления жестами для системы «умный дом».

Ключевые слова: алгоритм оценки позы человека, human pose estimation, человеко-машинное взаимодействие, карты глубин, интернет вещей, управление жестами

Список литературы

Шматков В.Н., Бонковски П., Медведев Д.С., Корзухин С.В., Голендухин Д.В., Спыну С.Ф., Муромцев Д.И. Взаимодействие с устройствами интернета вещей с использованием голосового интерфейса // Научно-технический вестник информационных технологий, механики и оптики. 2019. Т. 19. № 4. С. 714–721. https://doi.org/10.17586/2226-1494-2019-19-4-714-721
Chen W., Yu C., Tu C., Lyu Z., Tang J., Ou S., Fu Y., Xue Z. A survey on hand pose estimation with wearable sensors and computer-vision-based methods // Sensors. 2020. V. 20. N 4. P. 1074. https://doi.org/10.3390/s20041074
Shotton J., Fitzgibbon A., Cook M., Sharp T., Finocchio M., Moore R., Kipman A., Blake A. Real-time human pose recognition in parts from single depth images // Proc. of the IEEE Conference on Computer Vision and Pattern Recognition (CVPR). 2011. P. 1297–1304. https://doi.org/10.1109/CVPR.2011.5995316
Hernández-Vela A., Zlateva N., Marinov A., Reyes M., Radeva P., Dimov D., Escalera S. Graph cuts optimization for multi-limb human segmentation in depth maps // Proc. of the IEEE Conference on Computer Vision and Pattern Recognition. 2012. P. 726–732. https://doi.org/10.1109/CVPR.2012.6247742
Ye M., Wang X., Yang R., Ren L., Pollefeys M. Accurate 3D pose estimation from a single depth image // Proc. of the IEEE International Conference on Computer Vision. 2011. P. 731–738. https://doi.org/10.1109/ICCV.2011.6126310
Shafaei A., Little J.J. Real-time human motion capture with multiple depth cameras // Proc. of the 13^th Conference on Computer and Robot Vision (CRV). 2016. P. 24–31. https://doi.org/10.1109/CRV.2016.25
Marin-Jimenez M.J., Romero-Ramirez F.J., Muñoz-Salinas R., Medina-Carnicer R. 3D human pose estimation from depth maps using a deep combination of poses // Journal of Visual Communication and Image Representation. 2018. V. 55. P. 627–639. https://doi.org/10.1016/j.jvcir.2018.07.010
Cao Z., Hidalgo G., Simon T., Wei S.-E., Sheikh Y. OpenPose: Realtime Multi-person 2D pose estimation using part affinity fields // IEEE Transactions on Pattern Analysis and Machine Intelligence. 2021. V. 43. N 1. P. 8765346. https://doi.org/10.1109/TPAMI.2019.2929257
Kendall A., Grimes M., Cipolla R. PoseNet: A convolutional network for real-time 6-dof camera relocalization // Proc. of the 15^th IEEE International Conference on Computer Vision (ICCV). 2015. P. 2938–2946. https://doi.org/10.1109/ICCV.2015.336

This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License