Computer Vision and Machine Learning with RGB-D Sensors

این کتاب گزیده ای میان رشته ای از تحقیقات پیشرفته در مورد بینایی کامپیوتری مبتنی بر RGB-D را ارائه می دهد. ویژگی‌ها: در مورد کالیبراسیون دوربین‌های رنگی و عمقی، کاهش نویز در نقشه‌های عمق و روش‌های ثبت عملکرد انسان در سه بعدی بحث می‌کند. مجموعه‌ای از برنامه‌های کاربردی را بررسی می‌کند که از اطلاعات RGB-D برای بازسازی چهره‌های انسان، ارزیابی مصرف انرژی و به دست آوردن طبقه‌بندی دقیق اقدام استفاده می‌کنند. رویکردی برای بازیابی اشیاء سه بعدی و بازسازی جریان گاز از چندین دوربین کینکت ارائه می کند. یک سیستم بینایی کامپیوتری RGB-D را توصیف می کند که برای کمک به افراد کم بینا و دیگری برای سنجش هوشمند محیط برای کمک به افراد مسن و معلول طراحی شده است. ویژگی‌های مؤثری را که حالت‌های ثابت دست را مشخص می‌کنند، بررسی می‌کند و یک چارچوب یکپارچه را برای اعمال محدودیت‌های زمانی و مکانی برای تجزیه دست معرفی می‌کند. یک معماری طبقه‌بندی‌کننده جدید برای تشخیص حالت دست در زمان واقعی و یک سیستم تقسیم‌بندی دست و تشخیص حرکت جدید پیشنهاد می‌کند.

This book presents an interdisciplinary selection of cutting-edge research on RGB-D based computer vision. Features: discusses the calibration of color and depth cameras, the reduction of noise on depth maps and methods for capturing human performance in 3D; reviews a selection of applications which use RGB-D information to reconstruct human figures, evaluate energy consumption and obtain accurate action classification; presents an approach for 3D object retrieval and for the reconstruction of gas flow from multiple Kinect cameras; describes an RGB-D computer vision system designed to assist the visually impaired and another for smart-environment sensing to assist elderly and disabled people; examines the effective features that characterize static hand poses and introduces a unified framework to enforce both temporal and spatial constraints for hand parsing; proposes a new classifier architecture for real-time hand pose recognition and a novel hand segmentation and gesture recognition system.