Hand tracking in high-speed camera videos

Visual object tracking has been one of the most popular research topics in the field of computer vision recently. Specifically, hand tracking has attracted significant attention since it would enable many useful practical applications. However, hand tracking is still a very challenging problem which cannot be considered solved. The fact that almost every aspect of hand appearance can change is the fundamental reason for this difficulty. This thesis focused on 2D-based hand tracking in high-speed camera videos. During the project, a toolbox for this purpose was collected which contains nine different tracking methods. In the experiments, these methods were tested and compared against each other with both high-speed videos recorded during the project and publicly available normal speed videos. The results revealed that tracking accuracies varied considerably depending on the video and the method. Therefore, no single method was clearly the best in all videos, but three methods, CT, HT, and TLD, performed better than the others overall. Moreover, the results provide insights about the suitability of each method to different types and situations of hand tracking.

Kohteiden visuaalinen seuranta videoissa on ollut yksi tietokonenäkötutkimuksen suosituimmista aiheista viime aikoina. Erityisesti käsien liikkeiden seuranta on kiinnostanut paljon sen mahdollistamien monien käytännön sovellusten johdosta. Käsien liikkeiden seuranta on kuitenkin erittäin vaikea ongelma, jota ei voida pitää ratkaistuna. Perimmäinen syy tähän vaikeuteen on se, että lähes jokainen seikka käden ulkonäöstä voi vaihdella. Tässä diplomityössä keskityttiin kaksiulotteiseen kädenseurantaan suurnopeusvideoissa. Projektin aikana tarkoitusta varten kerättiin yhdeksän eri menetelmää sisältävä kokoelma. Testeissä näitä menetelmiä verrattiin toisiinsa käyttäen sekä omia suurnopeusvideoita että yleisesti saatavilla olevia normaalinopeuksisia videoita. Kokeiden tulokset osoittivat, että seurantatarkkuudet vaihtelivat huomattavasti eri videoiden ja menetelmien välillä. Siksi yksikään menetelmä ei ollut selvästi paras kaikissa videoissa, mutta kolme menetelmää, CT, HT ja TLD, nousi ylitse muiden kaiken kaikkiaan. Lisäksi tulokset antavat selviä viitteitä menetelmien soveltuvuudesta käden seurantaan eri sovelluksissa ja tilanteissa.