手部检测和跟踪方法

Question

所以，伙计们，请帮助我为坐在计算机（便携式）前置摄像头前面的计算机的用户检测/跟踪手。我已经尝试过这些方法：

• 基于颜色的检测（我已经通过opencv haar级联面部检测来检测到人脸，并提取了皮肤HSV范围。在接下来的步骤中，我找到了具有肤色的对象。例如，面部I可以通过知道通过haar级联进行的面部检测来去除，但是如果我只需要手，那么其他具有皮肤颜色的人体部位和背景物体又如何呢？如何使该算法对照明更稳定？）
• 训练自己的Haar级联分类器（我训练了自己的级联，以使用3.5k正面和4k负像来检测手。训练花费了3天。数据集非常丰富（各种手的配置和方向， （在光照条件下，背景不同的情况下）。它的效果还不错，但由于我设置了scaleFactor=1.3和minNeighbors=70而非常慢。如果降低minNeighbors，则虚假警报将大大增加，小的反应角将覆盖整个视频帧。训练参数：opencv_traincascade -data data -vec samples.vec -bg neg.txt -numStages 16 -minhitrate 0.999 -maxFalseAlarmRate 0.5 -numPos 3200 -numNeg 3900 -w 24 -h 24 -mode ALL -precalcValBufSize 1024`` -precalcIdxBufSize 1024

• 火车LBP级联分类器（训练比haar级联更快，并且检测更接近实时，但是这种检测方法有很多误解）训练参数：opencv_traincascade -data lbp -vec samples.vec -bg neg.txt -numStages 25 -minHitRate 0.999 -maxFalseAlarmRate 0.5 -numPos 3200 -numNeg 3900 -w 24 -h 24 -mode ALL -precalcValBufSize 4096 -precalcIdxBufSize 4096 -featureType LBP我尝试了以下方法从numStages的不同值16到25。

• Camshift算法来跟踪手源代码在此处http://pastebin.com/q5zK8cZt。怎么运行的？只需在检测到的物体周围标记4个点，此算法就必须对其进行跟踪并在周围绘制矩形。问题是，如果我开始移动手，则此矩形开始增大并覆盖整个视频帧。看来此算法仅适用于小物体（或物体与相机的距离很远）]]

也许我需要混合使用这些方法，否则您会建议其他方法？也许我需要训练神经网络，例如YOLO

？我不想这样做，因为它花费的时间太长，不得不租用基于GPU的服务器。

所以，伙计们，请帮助我为坐在计算机（便携式）前置摄像头前面的计算机的用户检测/跟踪手。我尝试了以下方法：基于颜色的检测（我已经...

Answer 1

GPU服务器？不，您不需要：存在用于对象识别的web based backend。如果您想使用Yolo，您将需要标记一个巨大的图像训练集（每个班级大约2000）。我可以建议使用类似[]的脚本从here获取图像>

(function(global) {
  const next = () => Array.from(document.querySelectorAll('.search-pagination__button-text'))[1].click();
  const uuid = () => Math.random().toString(36).substring(7);
  const sleep = (timeout = 5000) => new Promise((res) => setTimeout(() => res(), timeout));
  global.urls = [];
  global.next = () => next();
  global.start = async () => {
    for (let i = 0; i !== 81; i++) {
        window.scrollTo(0,document.body.scrollHeight);
        await sleep(5000);
        document.querySelectorAll('.search-content__gallery-results figure > img[src]').forEach(({src}) => global.urls.push(src));
        next();
        await sleep(5000);
    }
  };
})(window);