手上有好多小动作？TA一眼看穿！

[原文来自：www.ii77.com]

图1 小学数学题（图片来自收集）

[转载出处：www.ii77.com]

小时候，我们都做过雷同于图1中的数学题，问题是图中的动物有几只脚或许几只手。如今，较量机也可以回覆这个问题啦，个中的道理就是行使人手检测手艺。

图2 人手检测究竟

举起小手，灯被点亮；摇摇手指，窗帘打开

人手检测是经由手部特征的提取，在图片中将人类的手部标记出来，如图2所示。人手检测是进一步进行图像或视频剖析的主要根蒂工作，具有普遍的应用。

想象一下，当你正在高速公路上开着车，倏忽来了德律，你的手脱离偏向盘，拿着手机接了这个德律。晚上回抵家，收到一条信息：因为开车接德律被罚款200扣2分。这就是因为监控摄像头被付与了人手检测的能力，经由检测手部，并持续剖析，发现了打德律的动作。

再想象一下，当你下班回抵家，只要举起你的右手，整个房间的灯就悉数点亮，再摇摇手指，窗帘主动打开。这么炫酷的将来智能家居手艺，其实都是竖立在人手检测的根蒂上，敌手势进行剖析，进而触发对应的指令。

当然，这些其实都只是人手检测应用的冰山一角，这项手艺将来将深入到我们生活的方方面面，包罗智能交通、智能家居、非常行为监测等等。

更高效的人手检测

近期，中科院软件研究所武延军团队在像素级高效人手检测范畴取得新进展，为人手活动视频的实时检测估量处理供应了一种新方式。

传统人手检测方式行使人工特征提取与分类器连系，特征具有局限性，提取时间开销大。而基于深度进修的方式对标准较小的首部区域漏检概率大，同时收集构造复杂，练习和测试时间长，不克达到实时检测的要求。

以上问题导致现有算法无法同时知足具体场景中正确率和实时性的要求，严重制约了人手检测在实时视频处理中的应用。研究人员提出了一种标准不变的全卷积神经收集，增补加权特征融合模块进修分歧标准的特异性，对收集的中央层也到场了监视，以迭代的体式融合多个标准的特征进行最后的展望，具体收集构造如图3所示。

图3 收集构造

——他们引入了像素级朋分的人手检测

之前的人手检测方式，都是直接经由矩形框对图片中的人手区域进行展望，在这项工作中，他们引入了像素级人手朋分方式，展望人手的不划定区域，经由对每个区域的打分，从不划定区域中判断哪些是人手，所以在精度上，优于直接展望矩形区域的方式。

图4 像素级人手检测

——他们考虑了人手的姿态和角度信息

之前的人手检测方式，只能输出矩形的人手区域，无法给出更多信息。在这项工作中，研究人员考虑了的人手的分歧姿态（握拳、睁开等）和角度信息（正反、水平夹角等），可以将人手的或者姿态与角度进行输出，为进一步的行为剖析供应更多的参考。

图5 人手的姿态和角度信息

与当前最好方式比拟，在包管精度的同时检测速度更快，将单张图像处理速度最高提拔4.23倍，首次达到62.5 fps。相关功效以Scale Invariant Fully Convolutional Network：Detecting Hands Efficiently 为题揭橥于国际人工智能会议AAAI Conference on Artificial Intelligence （AAAI 2019），论文通信作者为中科院软件所张立波。

起原：中国科学院软件研究所

温馨提醒：近期，微信公家号信息流改版。每个用户能够设置 常读订阅号，这些订阅号将以大卡片的形式展示。是以，若是不想错过“中科院之声”的文章，你必然要进行以下把持：进入“中科院之声”公家号 → 点击右上角的 ··· 菜单 → 选择「设为星标」