Fast Hand Detection in Collaborative Learning Environments
Fast Hand Detection in Collaborative Learning Environments
复制标题
协作学习环境中的快速手部检测
DOI：
10.1007/978-3-030-89128-2_43
复制
发表时间：
2021
期刊：
影响因子：
--
通讯作者：
Carlos LópezLeiva, C.
中科院分区：
文献类型：
--
作者：
Teeparthi, S.;Jatla, V.;Pattichis, M.S.;Celedón-Pattichis, S.;Carlos LópezLeiva, C.
长期目标检测需要在几秒钟内整合基于帧的结果。对于不可变形的对象，长期检测通常使用对象检测，然后使用视频跟踪来解决。不幸的是，跟踪不适用于在帧与帧之间经历外观的戏剧性变化的对象。作为一个相关的例子，我们研究了在协作学习环境中长视频记录的手部检测。更具体地说，我们开发了长期的手部检测方法，可以处理部分遮挡和外观的巨大变化。我们的方法集成了对象检测，其次是时间投影，聚类和小区域去除，以提供有效的手部检测长视频。手形检测器在交并比为0.5时的平均精度为AP.通过使用我们优化的数据增强方法，检测结果得到了改善。该方法运行在4.7的实时与AP的0.5交叉超过工会。我们的方法通过将IoU比率从0.2提高到0.5，将假阳性手检测的数量减少了80。整个手部检测系统实时运行。
Long-term object detection requires the integration of frame-based results over several seconds. For non-deformable objects, long-term detection is often addressed using object detection followed by video tracking. Unfortunately, tracking is inapplicable to objects that undergo dramatic changes in appearance from frame to frame. As a related example, we study hand detection over long video recordings in collaborative learning environments. More specifically, we develop long-term hand detection methods that can deal with partial occlusions and dramatic changes in appearance.Our approach integrates object-detection, followed by time projections, clustering, and small region removal to provide effective hand detection over long videos. The hand detector achieved average precision (AP) ofat 0.5 intersection over union (IoU). The detection results were improved toby using our optimized approach for data augmentation. The method runs at 4.7the real-time with AP ofat 0.5 intersection over the union. Our method reduced the number of false-positive hand detections by 80by improving IoU ratios from 0.2 to 0.5. The overall hand detection system runs at 4real-time.
登录
查看更多内容
协作学习视频中的动态小组互动
DOI：
10.1109/acssc.2018.8645132
发表时间：
2018
期刊：
and Computers
影响因子：
--
作者：
Shi, Wenjing;Pattichis, Marios S.;Celedon-Pattichis, Sylvia;LopezLeiva, Carlos
通讯作者：
LopezLeiva, Carlos
通过从视频数据估计说话者几何形状进行双语语音识别
DOI：
10.1007/978-3-030-89128-2_8
发表时间：
2021
期刊：
Computer Analysis of Images and Patterns. CAIP 2021. Lecture Notes in Computer Science.
影响因子：
--
作者：
Tapia, L.;Gomez, A.;Esparza, M.;Jatla, V.;Pattichis, M.;Celedón-Pattichis, S.;LópezLeiva, C.
通讯作者：
LópezLeiva, C.
DOI：
10.1007/978-3-030-89131-2_22
发表时间：
2021-10
期刊：
--
影响因子：
--
作者：
Wenjing Shi;M. Pattichis;Sylvia Celedón-Pattichis;Carlos López Leiva
通讯作者：
Wenjing Shi;M. Pattichis;Sylvia Celedón-Pattichis;Carlos López Leiva
DOI：
--
发表时间：
2021
期刊：
and Computers.
影响因子：
--
作者：
Jatla, V.;Teeparthi, S.;Pattichis, M.S.;Celedon-Pattichis, S.;LopezLeiva, C.
通讯作者：
LopezLeiva, C.
协作学习环境中的手部运动检测视频
DOI：
--
发表时间：
2018
期刊：
影响因子：
--
作者：
Callie J Darsey
通讯作者：
Callie J Darsey