關於我自己

我的相片
累計超過15年的工作經驗,包括10年的設備製造業經驗,超過6年的光電零組件製造業經驗;10年的海外工作經驗,其中至今有5年以上的派駐經驗。 1.專注AOI檢測於10年以上(從光機設計、圖像分析、設備挑選、處理速度) 2.機器學習推論-onnx整合傳統演算法從瑕疵抓取、分析、分類 3.遷移式機器學習模式(工業應用、醫療應用) 4.整合:Python推論引擎、C++運算能力、C#友善介面 彈性使用 5.擅長利用專家模型推進專案,並熟悉使用OpenVINO、TensorRT、ONNXRUNTIME框架進行有效的實作與測試。

2011年10月7日 星期五

[轉貼]指尖檢測的新方法幾種

http://blog.csdn.net/onezeros/article/details/6196095

指尖檢測根據應用可以分為單指尖檢測和多指尖檢測。
下面是我在工作中想到的方法,希望對你有用或提供點兒靈感。

單指尖檢測新方法:重心距離法
  1. 找到手的區域,我一般用膚色檢測
  2. 計算手的區域的重心
  3. 在手的區域的邊緣點集中尋找距離重心最遠的點,該點即為指尖候選位置
  4. 判斷找到的點是否為指尖。判據:候選點到重心的距離大於邊緣到重心平均距離的1.6倍,即為指尖;否則不是指尖,也就是說沒有手指伸出

下面是我在隨便挑的幾張圖片上做的試驗



下面是我在應用中的試驗截圖:
說明:紅色圓是平均距離;藍色為重心;綠色表示最遠點,其中叉表示該點不是指尖,矩形表示該點是指尖
仔細看圖,你會知道該算法的准確度怎麼樣


多指尖檢測方法之一:
    1.細化圖像,端點就是候選指尖點集:

    2.找出指尖的點。仍然可以用重心距離法,當然這次操作是在候選指尖點集中進行

本算法主要用於多指尖檢測。

 多指尖檢測方法之二:

 本算法是單指尖檢測重心距離法的延伸
算法:找出手的區域的freeman chain code,也就是一個有序的邊緣,然後求出其中所有點到重心的距離
相信你看到下圖就會迫不及待地想要用自己的方法找到指尖,正好,因為我還沒有找到准確度很高的找到指尖的方法。
這裡我只是提供一個比較有效地特征,希望對你有用。
對圖像的說明:四條線,從下往上,第一條是各點到重心的距離,第二條是第一條線的平滑,第四條是第一條的導數,第三條是第四條的平滑
第一組:



第二組:




多指尖檢測方法之三:
使用輪廓

沒有留言: