我遇到处理数字信号的问题。我试图检测指尖,类似于此处提供的解决方案:Hand and finger detection using JavaCV。
但是,我没有使用JavaCV而是使用OpenCV for android,这有点不同。 我已经设法完成了本教程中介绍的所有步骤,但过滤了凸包和凸性缺陷。这就是我的图像的样子:
这是另一个分辨率的图像:
你可以清楚地看到,有许多黄点(凸壳)和许多红点(凸面效应)。有时在2个黄点之间没有红点,这很奇怪(如何计算凸壳?)
我需要的是创建类似于之前提供的链接的simillar过滤功能,但使用OpenCV的数据结构。
Convex Hulls是MatOfInt的类型...... 凸性缺陷是MatOfInt4的类型......
我还创建了一些额外的数据结构,因为愚蠢的OpenCV在不同的方法中使用包含相同数据的不同类型的数据......
convexHullMatOfInt = new MatOfInt();
convexHullPointArrayList = new ArrayList<Point>();
convexHullMatOfPoint = new MatOfPoint();
convexHullMatOfPointArrayList = new ArrayList<MatOfPoint>();
这是我到目前为止所做的,但效果不佳。问题可能在于以错误的方式转换数据:
创建凸包和凸面缺陷:
public void calculateConvexHulls()
{
convexHullMatOfInt = new MatOfInt();
convexHullPointArrayList = new ArrayList<Point>();
convexHullMatOfPoint = new MatOfPoint();
convexHullMatOfPointArrayList = new ArrayList<MatOfPoint>();
try {
//Calculate convex hulls
if(aproximatedContours.size() > 0)
{
Imgproc.convexHull( aproximatedContours.get(0), convexHullMatOfInt, false);
for(int j=0; j < convexHullMatOfInt.toList().size(); j++)
convexHullPointArrayList.add(aproximatedContours.get(0).toList().get(convexHullMatOfInt.toList().get(j)));
convexHullMatOfPoint.fromList(convexHullPointArrayList);
convexHullMatOfPointArrayList.add(convexHullMatOfPoint);
}
} catch (Exception e) {
// TODO Auto-generated catch block
Log.e("Calculate convex hulls failed.", "Details below");
e.printStackTrace();
}
}
public void calculateConvexityDefects()
{
mConvexityDefectsMatOfInt4 = new MatOfInt4();
try {
Imgproc.convexityDefects(aproximatedContours.get(0), convexHullMatOfInt, mConvexityDefectsMatOfInt4);
if(!mConvexityDefectsMatOfInt4.empty())
{
mConvexityDefectsIntArrayList = new int[mConvexityDefectsMatOfInt4.toArray().length];
mConvexityDefectsIntArrayList = mConvexityDefectsMatOfInt4.toArray();
}
} catch (Exception e) {
Log.e("Calculate convex hulls failed.", "Details below");
e.printStackTrace();
}
}
过滤
public void filterCalculatedPoints()
{
ArrayList<Point> tipPts = new ArrayList<Point>();
ArrayList<Point> foldPts = new ArrayList<Point>();
ArrayList<Integer> depths = new ArrayList<Integer>();
fingerTips = new ArrayList<Point>();
for (int i = 0; i < mConvexityDefectsIntArrayList.length/4; i++)
{
tipPts.add(contours.get(0).toList().get(mConvexityDefectsIntArrayList[4*i]));
tipPts.add(contours.get(0).toList().get(mConvexityDefectsIntArrayList[4*i+1]));
foldPts.add(contours.get(0).toList().get(mConvexityDefectsIntArrayList[4*i+2]));
depths.add(mConvexityDefectsIntArrayList[4*i+3]);
}
int numPoints = foldPts.size();
for (int i=0; i < numPoints; i++) {
if ((depths.get(i).intValue()) < MIN_FINGER_DEPTH)
continue;
// look at fold points on either side of a tip
int pdx = (i == 0) ? (numPoints-1) : (i - 1);
int sdx = (i == numPoints-1) ? 0 : (i + 1);
int angle = angleBetween(tipPts.get(i), foldPts.get(pdx), foldPts.get(sdx));
if (angle >= MAX_FINGER_ANGLE) // angle between finger and folds too wide
continue;
// this point is probably a fingertip, so add to list
fingerTips.add(tipPts.get(i));
}
}
结果(白点 - 过滤后的指尖):
你能帮我写一些适当的过滤功能吗?
更新14.08.2013
我使用标准的openCV函数进行轮廓近似。我必须通过分辨率变化和手到相机距离来改变近似值,这很难做到。如果分辨率较小,则手指由较少的像素组成,因此近似值应该是爱人。与距离相同。保持高度将导致完全失去手指。所以我认为近似不是解决问题的好方法,但是小值可能对加速计算有用:
Imgproc.approxPolyDP(frame, frame, 2 , true);
如果我使用高值,那么结果就像下面的图像一样,只有当距离和分辨率不会改变时才会有效。 另外,我很惊讶船体点和缺陷点的默认方法没有有用的参数传递(最小角度,距离等)......
下图显示了我想要始终实现的效果,与分辨率或手到相机距离无关。当我闭上手掌时,我也不想看到任何黄点......
总结一下,我想知道:
答案 0 :(得分:1)
低分辨率的凸包可用于识别整个手的位置,它对手指无用,但确实提供了一个感兴趣的区域和适当的比例。
然后应该对您的近似轮廓应用更高分辨率的分析,很容易跳过任何未通过最后两个“长度和角度”标准的点,尽管您可能希望“平均”而不是“完全跳过”。
您的代码示例是计算凸度缺陷然后将其删除的单一过程..这是一个逻辑错误..您需要在去的时候删除点...(a)在一个中执行所有操作更快更简单-pass(b)它避免在第一次通过时删除点,并且必须稍后再添加它们,因为任何删除都会改变先前的计算结果。
这种基本技术非常简单,适用于基本的手掌。它本身并不理解手或手势,所以调整比例,角度和长度参数只会让你“到目前为止”。
技术参考: 滤波器长度和角度“凸性缺陷” Simen Andresen博客http://simena86.github.io/blog/2013/08/12/hand-tracking-and-recognition-with-opencv/
基于Kinect SDK的C#Library,增加了手指方向检测功能 http://candescentnui.codeplex.com/ http://blog.candescent.ch/2011/11/improving-finger-detection.html
“自我生长和有组织的神经毒气”(SGONG) Nikos Papamarkos教授http://www.papamarkos.gr/uploaded-files/Hand%20gesture%20recognition%20using%20a%20neural%20network%20shape%20fitting%20technique.pdf
商业产品 大卫霍尔兹&amp; Michael Buckwald“Leap Motion”的创始人http://www.engadget.com/2013/03/11/leap-motion-michael-buckwald-interview/
答案 1 :(得分:0)
我认为你错过了这一点:
利用轮廓的低多边形近似而不是原始轮廓来加速船体创建和缺陷分析。