|
|
| Κωδικός Πόρου |
000423801 |
| Τίτλος |
3D hand tracking by employing probabilistic principal component analysis to model action priors |
| Άλλος τίτλος |
3Δ παρακολούθηση του ανθρώπινου χεριού με χρήση πιθανοτικής ανάλυσης κύριων συνιστωσών για τη μοντελοποίηση της δραστηριότητάς του |
|
Συγγραφέας
|
Πορφυράκης, Εμμανουήλ- Ούλωφ Τ.
|
|
Σύμβουλος διατριβής
|
Αργυρός, Αντώνιος
|
|
Μέλος κριτικής επιτροπής
|
Παπαγιαννάκης, Γεώργιος
Παναγιωτάκης, Κώστας
|
| Περίληψη |
Ένα σημαντικό πρόβλημα στην υπολογιστική όραση είναι η εκτίμηση της 3Δ θέσης και της
διάρθρωσης του ανθρώπινου χεριού με βάση οπτική πληροφορία. Η λύση αυτού του
προβλήματος μπορεί να διευκολύνει την ανάπτυξη πολλών εφαρμογών, όπως την
αλληλεπίδραση ανθρώπου-υπολογιστή, τον τηλεχειρισμό ρομπότ και άλλα. Οι κύριες
προκλήσεις που πρέπει κανείς να αντιμετωπίσει αφορούν στην υψηλή διάσταση του
προβλήματος, τις επικαλύψεις που οφείλονται στη γεωμετρία του χεριού και στην ενδεχόμενη
αλληλεπίδρασή του με αντικείμενα, την ταχύτητα των κινήσεων του χεριού και τη
μεταβλητότητα των συνθηκών φωτισμού και του υποβάθρου της σκηνής.
Η παρούσα εργασία ασχολείται με το πρόβλημα της τρισδιάστατης εκτίμησης της πόζας του
χεριού μοντελοποιώντας συγκεκριμένες δράσεις χεριών με χρήση μιας τεχνικής μείωσης
διαστατικότητας, την Πιθανοτική Ανάλυση Κύριων Συνιστωσών. Καθεμία από τις θεωρούμενες
ενέργειες, αναπαριστάται σε ένα παραμετρικό υπόχωρο που εκτιμάται από ένα σύνολο
χαρακτηριστικών εκτελέσεων αυτής της δράσης. Έχουμε αναπτύξει δύο μεθόδους 3Δ
παρακολούθησης οι οποίες λειτουργούν είτε στην περίπτωση γενικής κίνησης του χεριού είτε
στην περίπτωση που το χέρι εμπλέκεται σε κάποια από τις μοντελοποιημένες ενέργειες. Η πρώτη
μέθοδος βασίζεται σε μέθοδο φιλτραρίσματος σωματιδίων (particle filtering) ενώ η δεύτερη σε
μία μέθοδο σύγκλισης με ελάττωση της παραγώγου (gradient descent). Και στις δύο περιπτώσεις
στόχος είναι η βελτιστοποίηση του ταιριάσματος ενός 3Δ μοντέλου του χεριού στις διαθέσιμες
παρατηρήσεις. Επιπρόσθετα, και οι δύο μέθοδοι αποφασίζουν αυτόματα το κατά πόσον η 3Δ
παρακολούθηση του χεριού θα πρέπει να γίνεται θεωρώντας γενική κίνηση του χεριού ή κίνηση
στο πλαίσιο κάποιας από τις μοντελοποιημένες δράσεις του.
Για να εκπαιδεύσουμε και να αξιολογήσουμε τις προτεινόμενες μεθόδους, αναπτύξαμε ένα νέο
σύνολο δεδομένων που περιλαμβάνει δείγματα εκτελέσεων 5 διαφορετικών ενεργειών
αλληλεπίδρασης ενός χεριού με αντικείμενα. Αποτιμήσαμε τις προτεινόμενες μεθόδους τόσο
ποσοτικά όσο και ποιοτικά. Για την ποσοτική αξιολόγηση χρησιμοποιήσαμε το σύνολο
δεδομένων που αναπτύχθηκε, ώστε να δημιουργήσουμε συνθετικές ακολουθίες από τις οποίες
αφαιρέσαμε παρατηρήσεις ώστε να προσομοιώσουμε έλλειψη μετρήσεων λόγω επικαλύψεων.
Τα αποτελέσματα που προέκυψαν δείχνουν ότι οι προτεινόμενες μέθοδοι βελτιώνουν την
εκτίμηση της πόζας του χεριού σε σχέση με υφιστάμενες προσεγγίσεις, ιδίως παρουσία
επικαλύψεων, όπου τα χρησιμοποιούμενα μοντέλα δράσης βοηθούν στην ακριβέστερη
εκτίμηση της πόζας του χεριού και την αντιμετώπιση των ελλειπουσών παρατηρήσεων.
|
| Φυσική περιγραφή |
vi, 57 σ. : σχεδ., πιν., εικ. (μερ. εγχρ.) ; 30 εκ. |
| Γλώσσα |
Αγγλικά |
| Θέμα |
CPPCA |
|
Data training |
|
Εκπαίδευση δεδομένων |
| Ημερομηνία έκδοσης |
2019-07-26 |
| Συλλογή
|
Σχολή/Τμήμα--Σχολή Θετικών και Τεχνολογικών Επιστημών--Τμήμα Επιστήμης Υπολογιστών--Μεταπτυχιακές εργασίες ειδίκευσης
|
|
|
Τύπος Εργασίας--Μεταπτυχιακές εργασίες ειδίκευσης
|
| Εμφανίσεις |
1135 |
3D hand tracking by employing probabilistic principal component analysis to model action priors
