User Hand Detection in Depth Data

Cieľom tejto práce je detekovať ruku užívateľa nad interaktívnym stolom a zobraziť jej pozíciu voči stolu. Na vypracovanie bol zvolený prístup pomocou hĺbkových dát, použitím senzora Kinect. Detekcia je realizovaná použitím registračnej metódy SAC-IA, pracujúcej na princípe šablónového porovnávania. Ďalej práca pojednáva o existujúcich riešeniach detekcie rúk, ako aj postupe použitom vo výslednom programe. Bola definovaná dátová sada, obsahujúca vzory rúk a testovacie scény, na ktorých bol klasifikátor vyhodnotený. Záverečné testovanie prebehlo na viac ako sto objektoch a úspešnosť klasifikátora dosiahla 82 %.The aim of this thesis is to detect hand of user above the interactive table and show its position with respect to the table. Used sensor was Kinect so the depth data approach was selected. The detection is realized using registration method SAC-IA, which works on the template matching principle. Thesis deals with existing solutions of hand detection as well as procedure used in this work. Dataset was defined, containing hand templates and testing scenes, from which the classifier was evaluated. Final testing was performed on more than a hundred objects and the success rate reached 82 %.