Zusammenfassung
In GREFIT detektieren hierarchisch angeordnete künstliche neuronale Netze die Fingerspitzenorte in Grauwertbildern einer menschlichen Hand. Um hieraus die 3-dimensionale Handpostur zu gewinnen, wurden neuronale Netze trainiert, die Gelenkwinkel der Finger aus den Fingerspitzen-Positionen zu berechnen. Mit Hilfe eines Handmodells, welches der Form und den Bewegungsmöglichkeiten der menschlichen Hand nachempfunden ist, kann die 3-dimensionale Handpostur damit graphisch dargestellt werden. Im Unterschied zu anderen Systemen zur Handposturerkennung findet bei GREFIT keine Klassifikation in eine feste Anzahl von Handposturen statt, sondern beliebige Handstellungen werden erkannt und wiedergegeben.
Diese Arbeit wurde im Rahmen des Projektes ‘Multimedia NRW: Die Virtuelle Wissensfabrik’ vom Ministerium für Wissenschaft und Forschung des Landes Nordrhein- Westfalen unter der Nummer IV A3-107 031 96 gefördert.
This is a preview of subscription content, log in via an institution to check access.
Access this chapter
Tax calculation will be finalised at checkout
Purchases are for personal use only
Preview
Unable to display preview. Download preview PDF.
Similar content being viewed by others
Literatur
J. Davis and M. Shah. Visual gesture recognition. IEE Proc.-Vis. Image Signal Processing, 141 (2): 101–106, 1994.
B. Dorner and E. Hagen. Towards an American Sign Language interface. Artificial Intelligence Review, 8 (2–3): 235–253, 1994.
A. Drees. Visuelle Erkennung von Handstellungen mit neuronalen Netzen. PhD thesis, Universität Bielefeld, 1996. DISKI, Infix, Sankt Augustin.
B. Jahne. Digitale Bildverarbeitung. Springer Verlag, 1991.
I.A. Kapandiji. Funktionelle Anatomie der Gelenke, volume 1 of Obere Extremität. Enke Verlag Stuttgart, 1984.
T. Kohonen. The self-organizing map. In Proc. IEEE 78, pages 1464–1480, 1990.
R.J. Millar and G.F. Crawford. A mathematical model for hand-shape analysis. In P.A. Harling and A.D.N. Ewards, editors, Progress in Gestural Interaction - Proceedings of Gesture Workshop’96, pages 235–245. Springer, 1996.
C. Nölker and H. Ritter. Detektion von Fingerspitzen in Videobildern. In E. Paulus and F. Wahl, editors, DAGM Mustererkennung 1997, pages 97–104. Springer-Verlag Berlin Heidelberg New York, 1997.
C. Nölker and H. Ritter. Vorhersage der Bewegung von Fingerspitzen. In Proc. Workshop Dynamische Perzeption, Jun 1998.
J.M. Rehg and T. Kanade. Visual tracking of high DOF articulated structures: an application to human hand tracking. In J.-O. Eklundh, editor, Computer Vision–ECCV’94, pages 35–46, Berlin Heidelberg, 1994. Springer Verlag. Lecture Notes in Computer Science 801.
H. Ritter. Learning with the self-organizing map. In T. Kohonen, K. Mäkisara, O. Simula, and J. Kangas, editors, Artificial Neural Networks, pages 379–384. Elsevier Science Publishers B. V., 1991.
H. Ritter. Parametrized self-organizing maps. Artificial Neural Networks, 3, 1993.
N. Shimada, Y. Shirai, and Y. Kuno. Hand gesture recognition using computer vision based on model-matching method. Advances in Human Factors Ergonomics, 20: 11–16, 1995.
A. Utsumi, T. Miyasato, F. Kishino, and R. Nakatsu. Hand gesture recognition system using multiple cameras. In Proceedings of the International Conference on Pattern Recognition, pages 667–671, 1996.
J. Walter. Rapid learning in Robotics. Cuvillier Verlag Göttingen, 1996.
Author information
Authors and Affiliations
Editor information
Editors and Affiliations
Rights and permissions
Copyright information
© 1998 Springer-Verlag Berlin Heidelberg
About this paper
Cite this paper
Nölker, C., Ritter, H. (1998). GREFIT: Visuelle Erkennung kontinuierlicher Handposturen. In: Dassow, J., Kruse, R. (eds) Informatik ’98. Informatik aktuell. Springer, Berlin, Heidelberg. https://doi.org/10.1007/978-3-642-72283-7_21
Download citation
DOI: https://doi.org/10.1007/978-3-642-72283-7_21
Publisher Name: Springer, Berlin, Heidelberg
Print ISBN: 978-3-540-64938-0
Online ISBN: 978-3-642-72283-7
eBook Packages: Springer Book Archive