in both day and night time, thereby

in both day and night time, thereby appropriate for most personalized human aware systems.

In this work, we concern the uses of Kinect camera for
human detection and segmentation from an image since it is an
important discipline in extracting information of human subjects.
Note that the depth information acquired by a depth camera is
given by a depth image where a 16-bit value of a pixel of a depth
image reveals a distance in millimeters to a point in 3-D. Many
approaches estimated the edge maps from a depth image to find
the boundary of an object [1,2,3]. The binary silhouette used for
the human detection was presented in [4,5]. Apart of the human
body like faces [6] and Shirt-shapes [7] suggested the location and
presence of a human subject, yet the human extraction was still
limited with this approach. Other efforts designed a classifier to
find a human or non-human subject within a region of interest. In
order to summarize the features of each region, Harr-like features

[8], Histogram of Oriented Gradient (HOG) [9], Scale Invariant
Feature Transform (SIFT) [10], Local Temay Direction Pattern
[11] etc. are mainly applied. Along with depth, colour features
provided extra cues to track the human across the video frames
when an RGB camera is attached along with Kinect [12,13]. The
combination of depths and color resulted better human recognition
but limited the computational time since the size of an RGB
image is three times larger than that of a depth image.

Kết quả (Việt) 1:

trong cả ngày và đêm thời gian, do đó thích hợp cho các cá nhân hoá đặt hệ thống con người nhận thức được.Trong tác phẩm này, chúng ta quan tâm sử dụng Kinect camera chocon người phát hiện và phân khúc từ một hình ảnh vì nó là mộtkỷ luật quan trọng trong chiết xuất thông tin của con người.Lưu ý rằng thông tin chi tiết được mua lại bởi một máy ảnh độ sâuđược đưa ra bởi một chiều sâu ảnh trường hợp giá trị 16-bit là một pixel độ sâuhình ảnh cho thấy một khoảng cách bằng mm đến một điểm trong 3-D. nhiều ngườiphương pháp ước tính cạnh bản đồ từ hình ảnh chuyên sâu để tìmranh giới của một đối tượng [1,2,3]. Silhouette nhị phân được sử dụng chophát hiện con người đã được trình bày trong [4,5]. Ngoài của con ngườicơ thể giống như khuôn mặt [6] và hình dạng áo sơ mi [7] đề nghị vị trí vàsự hiện diện của một đối tượng của con người, nhưng việc khai thác của con người là vẫn còngiới hạn với cách tiếp cận này. Các nỗ lực thiết kế một loại đểtìm thấy một con người hay con người không chủ đề trong một khu vực quan tâm. Ởđể tóm tắt các tính năng của từng khu vực, tính năng giống như Harr[8], biểu đồ hướng Gradient (con heo) [9], quy mô bất biếnTính năng chuyển đổi (sàng lọc) [10], Temay địa phương hướng mô hình[11] vv chủ yếu được áp dụng. Cùng với độ sâu, màu sắc tính năngcung cấp các dấu hiệu phụ theo dõi con người qua các khung hình videoKhi một máy ảnh RGB được đính kèm cùng với Kinect [12,13]. Cácsự kết hợp của chiều sâu và màu sắc đã dẫn đến sự công nhận của con người tốt hơnnhưng giới hạn thời gian tính toán kể từ khi kích thước của một RGBhình ảnh là ba lần lớn hơn so với một hình ảnh sâu.

Kết quả (Việt) 2:

trong cả ban ngày và ban đêm, do đó thích hợp cho các hệ thống nhận thức của con người cá nhân nhất.

Trong tác phẩm này, chúng tôi lo ngại việc sử dụng của máy ảnh Kinect cho
phát hiện con người và phân khúc từ một hình ảnh vì nó là một
kỷ luật quan trọng trong chiết xuất thông tin của các đối tượng của con người.
Lưu ý rằng các thông tin sâu được mua lại bởi một camera độ sâu được
đưa ra bởi một hình ảnh sâu, nơi một giá trị 16-bit của một điểm ảnh của một chiều sâu
hình ảnh cho thấy một khoảng cách bằng mm đến một điểm trong 3-D. Nhiều
phương pháp ước tính các bản đồ cạnh từ một hình ảnh sâu để tìm
ranh giới của một đối tượng [1,2,3]. Những hình bóng nhị phân sử dụng cho
việc phát hiện con người đã được trình bày trong [4,5]. Ngoài những con người
cơ thể như khuôn mặt [6] và áo sơ mi-hình dạng [7] đề nghị các vị trí và
sự hiện diện của một đối tượng con người, nhưng việc khai thác của con người vẫn còn
bị hạn chế với cách tiếp cận này. Những nỗ lực khác được thiết kế một bộ phân loại để
tìm một chủ nhân hoặc không phải con người trong một khu vực quan tâm. Trong
thứ tự để tóm tắt các tính năng của từng khu vực, tính năng Harr như

[8], Histogram của Gradient Oriented (HOG) [9], Scale Invariant
Feature Transform (SIFT) [10], địa phương hướng Pattern Temay
[11] vv chủ yếu áp dụng. Cùng với chiều sâu, đặc điểm màu sắc
cung cấp tín hiệu phụ để theo dõi những con người trên khung hình video
khi một máy ảnh RGB được gắn cùng với Kinect [12,13]. Những
sự kết hợp của độ sâu và màu sắc kết quả công nhận con người tốt hơn
nhưng bị giới hạn thời gian tính toán vì kích thước của một RGB
ảnh lớn hơn so với một hình ảnh sâu ba lần.