Given a captured frame, every pixel

Given a captured frame, every pixel is categorized to be
either a skin-color pixel or a non-skin-color pixel. An adaptive
skin color-based method [17] is used to segment the hand
region. According to the generalized statistical skin color
model [14], each pixel is determined to be in the hand region
if the skin color likelihood is larger than a constant threshold.
In order to adapt the skin color model to the illumination
change, a color histogram of the hand region is learned for
each frame and accumulated with the ones from the previous
n frames (n = 5 works well in practice). Then the probability
of skin color is computed by combining the general skin
color model and the adaptively learned histogram.
The histogram is learned only when the hand is in view
and its fingertips are detected. For example, when the hand
is moved out of sight, the histogram keeps the previously
learned skin color model, so that the system can segment correctly
when the hand comes back into the scene.
The segmentation result, as shown in Figure 3, is used for
tracking the main hand region. Since we are talking about
wearable computing scenarios, where a body-mounted camera
sees the hand, which is by necessity within arm’s reach,
we can assume that the majority portion of the skin color segmented
image is the hand region. In order to find the largest
blob, we retrieve the point exhibiting the maximum distance
value from the Distance Transform [5] of the segmentation
image. Among skin-colored regions as shown in Figure 3b, a
single connected component of the hand contour is extracted
using OpenCV’s implementation [13] by checking which re-

ผลลัพธ์ (ไทย) 1:

ให้เฟรมจับ แต่ละพิกเซลจะแบ่งให้พิกเซลสีผิวหรือไม่--สีผิวพิกเซล การปรับให้เหมาะสมใช้เพื่อทำเซ็กเมนต์ผู้ผิวสีตามวิธี [17]ภูมิภาค ตามสีผิวเมจแบบทั่วไปสถิติรุ่น [14], แต่ละพิกเซลจะถูกกำหนดในภูมิภาคมือถ้าโอกาสผิวสีมีขนาดใหญ่กว่าขีดจำกัดที่คงการปรับเปลี่ยนแบบสีผิวกับแสงสว่างเปลี่ยนแปลง ฮิสโตแกรมสีภาคมือเป็นการเรียนรู้สำหรับแต่ละเฟรม และสะสมกับคนก่อนหน้าเฟรมที่ n (n = 5 ทำงานได้ดีในทางปฏิบัติ) แล้วความน่าเป็นผิว สีจะคำนวณ โดยรวมผิวทั่วไปรูปแบบสีและฮิสโตแกรมการเรียนรู้อย่างเหมาะฮิสโตแกรมการเรียนรู้เฉพาะเมื่อมือในมุมมองและพบปลายนิ้ว ตัวอย่าง เมื่อมือย้ายตา ฮิสโตแกรมจะช่วยให้การก่อนหน้านี้เรียนรู้ผิวสีรูป เพื่อให้ระบบสามารถแบ่งส่วนได้อย่างถูกต้องเมื่อมือมากลับไปฉากผลแบ่ง ดังที่แสดงในรูปที่ 3 ใช้สำหรับติดตามภาคมือหลัก เนื่องจากเรากำลังพูดถึงคำนวณสถานการณ์ กล้องติดร่างกายสวมใส่ได้เห็นมือ ซึ่งมีความจำเป็นในการเข้าถึงของแขนเราสามารถสมมติว่า การส่วนใหญ่มีสีผิวหนังถูกแบ่งเป็นช่วงภาพเป็นพื้นที่ที่มือ การค้นหาใหญ่ที่สุดหยด เราเรียกจุดที่ระยะห่างสูงสุดอย่างมีระดับค่าจากการพักแปลง [5] ของการแบ่งกลุ่มรูปภาพของ ระหว่างภูมิภาคผิวสีเป็นการแสดงในรูปที่ 3b การแยกส่วนประกอบเชื่อมต่อเดียวของเส้นมือใช้งาน OpenCV ของ [13] โดยการตรวจสอบเรื่องใด-

ผลลัพธ์ (ไทย) 2:

กำหนดกรอบจับทุก pixel เป็นหมวดหมู่จะเป็น
อย่างใดอย่างหนึ่งพิกเซลผิวสีหรือพิกเซลที่ไม่ใช่ผิวสี การปรับตัว
วิธีการใช้สีผิว [17] จะใช้ในส่วนมือ
ภูมิภาค ตามที่ผิวสถิติทั่วไปสี
รูปแบบ [14] แต่ละพิกเซลจะถูกกำหนดให้เป็นในภูมิภาคมือ
ถ้าความน่าจะเป็นสีผิวที่มีขนาดใหญ่กว่าเกณฑ์คง.
เพื่อที่จะปรับตัวเข้ากับรูปแบบของสีผิวที่จะส่องสว่าง
เปลี่ยนแปลง histogram สี มือของภูมิภาคที่มีการเรียนรู้สำหรับ
แต่ละเฟรมและสะสมกับคนจากก่อนหน้า
เฟรม n (n = 5 ผลงานที่ดีในการปฏิบัติ) แล้วน่าจะเป็น
ของสีผิวคือการคำนวณโดยการรวมผิวทั่วไป
รูปแบบสีและการเรียนรู้ histogram adaptively.
histogram จะรู้ก็ต่อเมื่อมืออยู่ในมุมมอง
และปลายนิ้วของตนมีการตรวจพบ ตัวอย่างเช่นเมื่อมือ
จะถูกย้ายออกจากสายตา histogram ทำให้ก่อนหน้านี้
ได้เรียนรู้รูปแบบสีผิวเพื่อให้ระบบส่วนสามารถได้อย่างถูกต้อง
เมื่อมือกลับเข้ามาในที่เกิดเหตุ.
ผลการแบ่งส่วนดังแสดงในรูปที่ 3 ถูกนำมาใช้ สำหรับ
การติดตามมือภูมิภาคหลัก เนื่องจากเรามีการพูดคุยเกี่ยวกับ
สถานการณ์คอมพิวเตอร์เครื่องแต่งตัวที่ตัวกล้องติด
เห็นมือซึ่งเป็นสิ่งจำเป็นในการเข้าถึงแขนของ
เราสามารถสรุปได้ว่าส่วนใหญ่ของสีผิวแบ่ง
ภาพเป็นบริเวณมือ เพื่อที่จะหาที่ใหญ่ที่สุด
หยดเราเรียกจุดการแสดงระยะทางสูงสุด
ค่าจากระยะทาง Transform [5] ของการแบ่งส่วน
ภาพ ในภูมิภาคผิวสีตามที่แสดงในรูปที่ 3b,
องค์ประกอบเชื่อมต่อเดียวของรูปร่างมือสกัด
โดยใช้การดำเนินการของ OpenCV [13] โดยการตรวจสอบอีกครั้งซึ่ง

ผลลัพธ์ (ไทย) 3:

ให้จับกรอบ แต่ละพิกเซลจะถูกจัดประเภทเป็น
ทั้งผิวสี พิกเซล หรือ ไม่ใช่ผิวสีพิกเซล การใช้วิธี
ผิวสี [ 17 ] ใช้ส่วนมือ
) ตามสถิติทั่วไป ผิวสีแบบ [ 14 ]
แต่ละพิกเซลจะถูกกำหนดให้อยู่ในเขตมือ
ถ้าผิวสีโอกาสมากกว่าเกณฑ์คงที่
เพื่อปรับสีผิว รูปแบบการเปลี่ยนแปลงรัศมี
, สีภาพจากมือภาคเรียน
แต่ละเฟรม และสะสมด้วยคน จากก่อนหน้านี้
n เฟรม ( n = 5 ใช้ได้ดีในการปฏิบัติ ) แล้วความน่าจะเป็น
ของสีผิวจะคำนวณโดยรวมทั่วไป ผิวสีและรูปแบบตามที่

เรียนฮิสโตแกรมฮิสโตแกรมเรียนเท่านั้น เมื่อมือที่อยู่ในมุมมอง
และปลายนิ้วของพบ ตัวอย่างเช่น เมื่อมือ
ถูกย้ายจากสายตา , ฮิสโตแกรมเก็บก่อนหน้านี้
เรียนรู้แบบสีผิวเพื่อให้ระบบสามารถส่วนอย่างถูกต้อง
เมื่อมือกลับมาเข้าฉาก
ผลการตัดดังแสดงในรูปที่ 3 ใช้
ติดตามเขตมือหลัก เนื่องจากเรากำลังพูดถึง
สถานการณ์คอมพิวเตอร์เครื่องแต่งตัวที่ตัวติดกล้อง
เห็นมือ ซึ่งโดยจำเป็นภายในแขนของเข้าถึง
เราสามารถสมมติว่าส่วนใหญ่ส่วนของสีผิวแบ่ง
รูปมือ ) เพื่อค้นหาหยดที่ใหญ่ที่สุด
เราเรียกจุดที่แสดงค่าระยะทาง
สูงสุดจากการแปลงระยะทาง [ 5 ] การแบ่งส่วนของภาพ

ผิวสีในภูมิภาคดังแสดงในรูปที่ 3B ,
เดียวเชื่อมต่อส่วนประกอบของมือเส้นสกัด
โดยใช้การเป็นการเป็น [ 13 ] โดยการตรวจสอบอีกครั้งที่ -