x基于OpenCV技术的复合手势特征识别算法
- 格式：pdf
- 大小：2.02 MB
- 文档页数：5
ｎｅｗ
ｐａｐｅｒ，ＯｐｅｎｃＶ ｒｅｃｏｇＩｌｉｔｉｏｎ
ｒａｔｅ
ｔｅｃｈｎｏｌｏｇｙ，ｇｅｓｔｕｒｅ ａＩｌｄ
ｐｒ叩ｏｓｅｄ
ｃｏｍｐｌｅｘ
ｒｅｅｏｇｎｉｔｉｏｎ
ａｌｇｏｒｉｔｈｍｓ
ｇ∞ｄ ｍｔａｔｉｏｎ
ｉｎｖ鲥粕ｃｅ，锄ｄ
ｈａｖｅ ９００ｄ ｐｍｓｐｅｃｔｓ ｉｎ
ｔＩｌｅ ｆｕｔＩＩｒｅ ｏｆ ｍｉｌｉｔａｒｙ
ｉｎｔｆｉｎｇｅｒＮｕｍ；
ｙ ●胁 ■咖 ■～ ●州
较为科学的手势特征存储结构，利用Ｖｃ＋＋程序建立手势特
码，采用ｓｍｉｔｈ—ｗａｔｅｍａｎ算法和最小平均距离法与数据库模
板进行匹配达到手势识别目的，但Ｋｉｎｅｃｔ传感器成本较高，识 别前训练需要佩戴彩色手套，对旋转的鲁棒性不好。 本文以图像处理技术为基础，提出全新的手部识别复 合算法，由于使用指尖识别、手势结构、手指相对角度和绝 对角度等方法，该算法具有较高的识别率和旋转不变性等 优点，可以在计算机辅助决策人机交互方面进一步拓展和 应用。
息投影技术的发展，虚拟与现实的应用逐渐走入了人们的视野并得到了初步应用。利用ＯｐｅｎＣＶ技术，针对手势特征识 别提出了全新的复合识别算法。经过验证，该算法具有很高的识别率并且拥有良好旋转不变性，在今后军事指挥决策 系统中具有良好的应用前景。 关键词：特征提取；手势识别；０ｐｅｎｃＶ技术；辅助决策 中图分类号：ＴＮ９３９ 文献标志码：Ａ ＤＯＩ：１０．１６２８０／ｊ．、ｒｉｄｅｏｅ．２０１５．１４．０２６
１．２构建手势特征结构体
根据手部的特征，结合参考文献中的大量实验，总结出
以。为原点、ｒ为半径建立极坐标系。在吉ｒ和ｒ之间等距 建立５个以。为原点、专铲ｒ为半径的同心圆尺。。
１ ０４
《电视技术》第３９卷第１４期（总第４６７期）Ｉ投稿网址ｈｎｐ：／＾『Ｉ，ｖＩ，、『Ｉ，＿ｖｊｄｅｏ Ｅ－ｃｎ
万方数据
ｋ主盐
加载摄像头驱动
，，。一、厣丽≮
通过指尖检测算法计算手部指尖顶点的个数，此模型模 拟５个手指全部伸出则会得到５个顶点。设检测到的指尖顶 点坐标为０。，ｙ。），以逆时针顺序建立每个指尖到图像重心的 连线￡ｌ，￡２，￡３，Ｌ４，￡５。 指尖到手势重心连线方程Ｌ。为
ｙ＝｝ｚ，ｏ≤ｙ≤ｈ
根据式（１）、式（２），可求出线段交点为
万方数据
投稿网址ｈ廿ｐ：伽ＭⅣ．ｖｉｄｅｏＥ．ｃｎ Ｉ《电视技术》第３９卷第１４期（总第４６７期）
１ ０３
睢Ｖ恍。脚Ｌ，以徽需恶
定；文献【１０】使用Ｋｉｎｅｃｔ传感器捕获手势ＲＧＢ—Ｄ数据，利用深 度数据进行手势分割，将手势的外形轮廓的ＲＧＢ数据进行编 征的结构体：
ｓｔｍｃｔＧｅｓｔｕｒｅｓｔｒｕｃｔ／／定义一个手势结构 ｌ
ｗｉｔｈ ｔ｝ｌｅ ｈａｓ
ｄｅｖｅｌ叩ｍｅｎｔ
ｂｅｅｎ ｉｎｉｔｉａｌ
ｏｆ ｈｏｌｏｇｒａｐｈｉｃ ａｐｐｌｉｃａｔｉｏｎｓ．ＩＩｌ
ｐｒｏＶｅ
ｐｍｊｅｃｔｉｏｎ
ｔｈｉｓ ｈｉｇｈ
ｔｅｃｈｎｏｌｏｇ）ｒ，
ｖｉｒｔｕａｌ
ｒｅａｌｉｔｙ印ｐｈｃａｔｉｏｎｓ粕ｄ琴ａｄｕａｌｌｙ
ｒｅｃｏｇｎｉｔｉｏｎ
ｓｐｏｔｌｉｇｈｔ柚ｄ
但是由于手指本身具有非刚性、旋转特性、运动时的自 由度非常大、背景固有的复杂性、光照的不稳定性等特点，要 稳定地跟踪和获取手部的特征非常困难，因此如何提取手部 特征是一个特征识别算法的核心。 手势识别分为动态识别和静态识别。动态识别是将手 看作一个质点，连续记录其运动轨迹，并与数据库中的轨迹 进行比对，例如：文献［８］使用三维的加速度传感器获取手势 加速度信号，利用ＤＴｗ和近邻传播聚类算法对训练集中的每 一个手势创建一个样本，然后用随机投影算法对数据进行降 维，再与数据库进行比对。该方法克服了传统算法中运算量 随着特征向量的个数以及维数的增加而增加的缺陷，但该算 法只能进行轨迹识别，并且需要辅助设备，使用限制较多。 在静态识别方面，文献【９】提出基于视觉的多特征手势识别算 法，该算法首先提取手部图像并用手势轮廓及手势凸缺陷检 测指尖，结合指尖手势指尖的相对位置进行识别，对手势识 别精度较高，但该算法识别的手势不多，凸缺检测运算不稳
／／｛佥测到的指尖数目 ｉｎｔｒｉｎｇＮｕｍ【５］； ，／每一个检测圆与指尖到重心连线的交点数 ｎｏａｔｒｉ“ｇｌＶａｌｕｅ【９］； ／，第一层检测到的角度，包括绝对角度和相对角度 ｎｏａ访ｎ９２Ｖａｌｕｅ［９】；
１手势特征检测模型
根据一定的图像处理运算法则，每一个手势经过运算都 会产生一个或一组特征值，该特征值就是在计算机中表示该 手势的符号。而寻求一个稳定高效的运算法则成为手势特 征检测最重要的环节。
／，第二层检测到的角度 ｎｏａ试ｎ９３Ｖａｌｕｅ【９】； ，，第三层检测到的角度 ｎｏａｍｎ９４Ｖａｌｕｅ［９】； ，／第四层检测到的角度 ｎｏａ砸ｎ９５ＶａＩｕｅ［９】；
１．１构建手势特征检测模型
由于手部的自由度非常高，如何建立一个简单高效的手 部特征检测模型始终是手势识别技术的一个核心环节。手 部加上腕关节手部共有１５个关节，大部分关节的活动范围都 在１８００左右，个别关节具有３６０。活动范围，因此提取每一个 关节的角度特征是非常困难的。此外由于腕关节的自由度 非常大，难以确定测量的基础点和建立一个稳定的坐标系去 测量每一根手指的角度，这给手部识别带来困难。因此，在 设计模型时提出以下两个原则： １）为减少关节角度计算量，提高识别速度，待识别的手 势中，当需要弯曲手指时，弯曲度尽可能的大，而且要正对摄 像头。 ２）待识别手势之间应具有较大的差异性，相似手型将被 识别为同一手势，比如，一根伸展手指的手势和两根并拢伸 展手指的手势，将被识别为同一手势。 虽然手部的自由度非常高，但是各手指之间分开的角度 基本是在一个范围内。鉴于此，本文提出建立如图１所示的 手部特征检测模型，该检测模型主要通过两个方法来精确识 别手势：第一，进行手部指尖检测，通过检测到的指尖数量来 初步对手势进行分类（二叉树）；第二，进行精确手势识别，通 过一系列处理得到手部中心和手势简化模型，再计算该简化 模型手指的绝对角度与相对角度，并作为手势样本库存入手 势特征结构体。该模型能够很好地适合手势的特点，能够检 测手部的旋转、弯曲等运动，具有较高的检测正确率。
（２）
‘ 创建手势特征结
●
序等）２－算，！：＝罢戈
础建立特图像颜色标准化
通过上式算出每一层的交点个数，并以该交点个数为基
● 计算图像直方图 ●
ｆ日１ｌ…口１５
１日ｌｌ…ｐ１５
１
ｉ Ｉ； ｌ ！． Ｌｐ５ｌ…ｐ５５ Ｉ疗５ｌ…ｐ５５／ 式中：ｐ。为手部结构每个指尖的绝对角度；百。为手部结构 两个指尖的相对角度。
图像高斯模糊 ＋ 颜色空间转换 ‘ 肤色检测
图２图像预处理
２手势特征检测算法设计思路
首先进行模型特征录入，该模型通过５个同心圆分别对 待录入手势的轮廓模型进行检测，存储每一层检测圆与手部 结构图的交点个数、手部结构图的绝对角度以及相对角度。 手势特征结构体记录每一层检测圆与手部结构图的交点个 数、手部结构图的绝对角度以及相对角度。然后以检测到的 指尖个数、分层的交点个数、绝对角度以及相对角度作为该 手势的特征结构体存储在计算机内，最后，在应用时根据大 量实验设定一个合适的阈值，以摄像头输人为图像源，对每 一帧图像进行以上的图像处理，得到该图像的特征结构体， 再与所存储的特征结构体进行比对，当比对的结果小于设定 的阈值时，判定为该特征手势。 以摄像头拍摄的视频或录制好的视频作为视频输入源， 视频源的每一帧图像都会经过图像预处理和图像特征检测 两个部分。图像预处理部分包括载入图像、图像颜色标准 化、计算图像直方图、图像高斯模糊、图像颜色空间转换、肤 色检测、轮廓提取等步骤。 特征检测算法部分包括指尖检测、计算手势特征模型、 分层提取、特征比对等步骤。视频经过预处理得到手势特征 轮廓的二值化图像，利用手势特征检测模型对图像进行分层 特征提取获得特征值，与样本库的特征值进行相减并取绝对 值ｄ，根据大量试验设定一个经验阈值６，对图像进行特征
，／第五层检测到的角度
ＣＳｔｒｉｎｇＧｅｓｔｕｒｅＮａｍｅ；
／／手势名字 ｌ；
１．３建立手势特征值样本库
手势特征样本库对于后续的手势识别起到至关重要的 作用。本文首先根据手势检测模型建立样本库，如图１所示。
离ｌ
手蓊捡：曩模型
该手势检测模型由５个同心检测圆组成，同心圆的中心 与手势图像的重心。重合，重心与各指尖的最大距离为ｒ，
如图３所示，该部分是图像手势识别，共有８个环节，其 中图像在指尖提取和特征比对两个部分分别进行指尖初步 分类和手势精确识别。
轮廓提取
‘
轮廓比对
●
计算质心、半径
●
提取指尖
‘
绘出手势模型
●
分层提取
‘
特征比对
‘
输出结果
图３图像识别部分
３
实验结果
为了验证本文方法的可靠性与稳定性，待检测手势选取
手指指向不同、环境干扰不同的视频图像进行指尖定位和特 征检测实验。手势图像像素大小为３２０×２４０。 通过本文提出的特征提取和检测算法，结果证明指尖定 位准确率达到９０％以上。为了更好地实现徒手人机交互，本
ｌｊｊ蓝捣
Ｐ７１＇—’Ｔ—’●＿
Ｖ恍㈣刚ｃ勰器：¨
孙翼８，朱丽娟６，韩龙８
（海军大连舰艇学院ａ．研究生一队；ｂ．通信系，辽宁大连１１６０１８）
【本文献信息】孙翼，朱丽娟，韩龙．基于ｏｐｅｎｃＶ技术的复合手势特征识别算法【Ｊ】．电视技术，２叭５，３９（１４）
基于ｏｐｅｎＣＶ技术的复合手势特征识别算法
摘要：手势特征识别作为图像特征识别的一个重要研究方向，在很多了领域都有着非常广阔的应用前景，尤其是随着全
投稿网址ｈｎｐ：枷ＭｎｖｉｄｅｏＥ．ｃｎ Ｉ《电视技术》第３９卷第１４期（总第４６７期）
１ ０５
万方数据
ｎＶ怔㈣刚ｃＡ慧牌恶
ｐａｐｅｒ，ＯｐｅｎｃＶ ｒｅｃｏｇＩｌｉｔｉｏｎ
ｒａｔｅ
ｔｅｃｈｎｏｌｏｇｙ，ｇｅｓｔｕｒｅ ａＩｌｄ
ｐｒ叩ｏｓｅｄ
ｃｏｍｐｌｅｘ
ｒｅｅｏｇｎｉｔｉｏｎ
ａｌｇｏｒｉｔｈｍｓ
ｇ∞ｄ ｍｔａｔｉｏｎ
ｉｎｖ鲥粕ｃｅ，锄ｄ
ｈａｖｅ ９００ｄ ｐｍｓｐｅｃｔｓ ｉｎ
ｔＩｌｅ ｆｕｔＩＩｒｅ ｏｆ ｍｉｌｉｔａｒｙ
ｉｎｔｆｉｎｇｅｒＮｕｍ；
ｙ ●胁 ■咖 ■～ ●州
较为科学的手势特征存储结构，利用Ｖｃ＋＋程序建立手势特
码，采用ｓｍｉｔｈ—ｗａｔｅｍａｎ算法和最小平均距离法与数据库模
板进行匹配达到手势识别目的，但Ｋｉｎｅｃｔ传感器成本较高，识 别前训练需要佩戴彩色手套，对旋转的鲁棒性不好。 本文以图像处理技术为基础，提出全新的手部识别复 合算法，由于使用指尖识别、手势结构、手指相对角度和绝 对角度等方法，该算法具有较高的识别率和旋转不变性等 优点，可以在计算机辅助决策人机交互方面进一步拓展和 应用。
息投影技术的发展，虚拟与现实的应用逐渐走入了人们的视野并得到了初步应用。利用ＯｐｅｎＣＶ技术，针对手势特征识 别提出了全新的复合识别算法。经过验证，该算法具有很高的识别率并且拥有良好旋转不变性，在今后军事指挥决策 系统中具有良好的应用前景。 关键词：特征提取；手势识别；０ｐｅｎｃＶ技术；辅助决策 中图分类号：ＴＮ９３９ 文献标志码：Ａ ＤＯＩ：１０．１６２８０／ｊ．、ｒｉｄｅｏｅ．２０１５．１４．０２６
１．２构建手势特征结构体
根据手部的特征，结合参考文献中的大量实验，总结出
以。为原点、ｒ为半径建立极坐标系。在吉ｒ和ｒ之间等距 建立５个以。为原点、专铲ｒ为半径的同心圆尺。。
１ ０４
《电视技术》第３９卷第１４期（总第４６７期）Ｉ投稿网址ｈｎｐ：／＾『Ｉ，ｖＩ，、『Ｉ，＿ｖｊｄｅｏ Ｅ－ｃｎ
万方数据
ｋ主盐
加载摄像头驱动
，，。一、厣丽≮
通过指尖检测算法计算手部指尖顶点的个数，此模型模 拟５个手指全部伸出则会得到５个顶点。设检测到的指尖顶 点坐标为０。，ｙ。），以逆时针顺序建立每个指尖到图像重心的 连线￡ｌ，￡２，￡３，Ｌ４，￡５。 指尖到手势重心连线方程Ｌ。为
ｙ＝｝ｚ，ｏ≤ｙ≤ｈ
根据式（１）、式（２），可求出线段交点为
万方数据
投稿网址ｈ廿ｐ：伽ＭⅣ．ｖｉｄｅｏＥ．ｃｎ Ｉ《电视技术》第３９卷第１４期（总第４６７期）
１ ０３
睢Ｖ恍。脚Ｌ，以徽需恶
定；文献【１０】使用Ｋｉｎｅｃｔ传感器捕获手势ＲＧＢ—Ｄ数据，利用深 度数据进行手势分割，将手势的外形轮廓的ＲＧＢ数据进行编 征的结构体：
ｓｔｍｃｔＧｅｓｔｕｒｅｓｔｒｕｃｔ／／定义一个手势结构 ｌ
ｗｉｔｈ ｔ｝ｌｅ ｈａｓ
ｄｅｖｅｌ叩ｍｅｎｔ
ｂｅｅｎ ｉｎｉｔｉａｌ
ｏｆ ｈｏｌｏｇｒａｐｈｉｃ ａｐｐｌｉｃａｔｉｏｎｓ．ＩＩｌ
ｐｒｏＶｅ
ｐｍｊｅｃｔｉｏｎ
ｔｈｉｓ ｈｉｇｈ
ｔｅｃｈｎｏｌｏｇ）ｒ，
ｖｉｒｔｕａｌ
ｒｅａｌｉｔｙ印ｐｈｃａｔｉｏｎｓ粕ｄ琴ａｄｕａｌｌｙ
ｒｅｃｏｇｎｉｔｉｏｎ
ｓｐｏｔｌｉｇｈｔ柚ｄ
但是由于手指本身具有非刚性、旋转特性、运动时的自 由度非常大、背景固有的复杂性、光照的不稳定性等特点，要 稳定地跟踪和获取手部的特征非常困难，因此如何提取手部 特征是一个特征识别算法的核心。 手势识别分为动态识别和静态识别。动态识别是将手 看作一个质点，连续记录其运动轨迹，并与数据库中的轨迹 进行比对，例如：文献［８］使用三维的加速度传感器获取手势 加速度信号，利用ＤＴｗ和近邻传播聚类算法对训练集中的每 一个手势创建一个样本，然后用随机投影算法对数据进行降 维，再与数据库进行比对。该方法克服了传统算法中运算量 随着特征向量的个数以及维数的增加而增加的缺陷，但该算 法只能进行轨迹识别，并且需要辅助设备，使用限制较多。 在静态识别方面，文献【９】提出基于视觉的多特征手势识别算 法，该算法首先提取手部图像并用手势轮廓及手势凸缺陷检 测指尖，结合指尖手势指尖的相对位置进行识别，对手势识 别精度较高，但该算法识别的手势不多，凸缺检测运算不稳
／／｛佥测到的指尖数目 ｉｎｔｒｉｎｇＮｕｍ【５］； ，／每一个检测圆与指尖到重心连线的交点数 ｎｏａｔｒｉ“ｇｌＶａｌｕｅ【９］； ／，第一层检测到的角度，包括绝对角度和相对角度 ｎｏａ访ｎ９２Ｖａｌｕｅ［９】；
１手势特征检测模型
根据一定的图像处理运算法则，每一个手势经过运算都 会产生一个或一组特征值，该特征值就是在计算机中表示该 手势的符号。而寻求一个稳定高效的运算法则成为手势特 征检测最重要的环节。
／，第二层检测到的角度 ｎｏａ试ｎ９３Ｖａｌｕｅ【９】； ，，第三层检测到的角度 ｎｏａｍｎ９４Ｖａｌｕｅ［９】； ，／第四层检测到的角度 ｎｏａ砸ｎ９５ＶａＩｕｅ［９】；
１．１构建手势特征检测模型
由于手部的自由度非常高，如何建立一个简单高效的手 部特征检测模型始终是手势识别技术的一个核心环节。手 部加上腕关节手部共有１５个关节，大部分关节的活动范围都 在１８００左右，个别关节具有３６０。活动范围，因此提取每一个 关节的角度特征是非常困难的。此外由于腕关节的自由度 非常大，难以确定测量的基础点和建立一个稳定的坐标系去 测量每一根手指的角度，这给手部识别带来困难。因此，在 设计模型时提出以下两个原则： １）为减少关节角度计算量，提高识别速度，待识别的手 势中，当需要弯曲手指时，弯曲度尽可能的大，而且要正对摄 像头。 ２）待识别手势之间应具有较大的差异性，相似手型将被 识别为同一手势，比如，一根伸展手指的手势和两根并拢伸 展手指的手势，将被识别为同一手势。 虽然手部的自由度非常高，但是各手指之间分开的角度 基本是在一个范围内。鉴于此，本文提出建立如图１所示的 手部特征检测模型，该检测模型主要通过两个方法来精确识 别手势：第一，进行手部指尖检测，通过检测到的指尖数量来 初步对手势进行分类（二叉树）；第二，进行精确手势识别，通 过一系列处理得到手部中心和手势简化模型，再计算该简化 模型手指的绝对角度与相对角度，并作为手势样本库存入手 势特征结构体。该模型能够很好地适合手势的特点，能够检 测手部的旋转、弯曲等运动，具有较高的检测正确率。
（２）
‘ 创建手势特征结
●
序等）２－算，！：＝罢戈
础建立特图像颜色标准化
通过上式算出每一层的交点个数，并以该交点个数为基
● 计算图像直方图 ●
ｆ日１ｌ…口１５
１日ｌｌ…ｐ１５
１
ｉ Ｉ； ｌ ！． Ｌｐ５ｌ…ｐ５５ Ｉ疗５ｌ…ｐ５５／ 式中：ｐ。为手部结构每个指尖的绝对角度；百。为手部结构 两个指尖的相对角度。
图像高斯模糊 ＋ 颜色空间转换 ‘ 肤色检测
图２图像预处理
２手势特征检测算法设计思路
首先进行模型特征录入，该模型通过５个同心圆分别对 待录入手势的轮廓模型进行检测，存储每一层检测圆与手部 结构图的交点个数、手部结构图的绝对角度以及相对角度。 手势特征结构体记录每一层检测圆与手部结构图的交点个 数、手部结构图的绝对角度以及相对角度。然后以检测到的 指尖个数、分层的交点个数、绝对角度以及相对角度作为该 手势的特征结构体存储在计算机内，最后，在应用时根据大 量实验设定一个合适的阈值，以摄像头输人为图像源，对每 一帧图像进行以上的图像处理，得到该图像的特征结构体， 再与所存储的特征结构体进行比对，当比对的结果小于设定 的阈值时，判定为该特征手势。 以摄像头拍摄的视频或录制好的视频作为视频输入源， 视频源的每一帧图像都会经过图像预处理和图像特征检测 两个部分。图像预处理部分包括载入图像、图像颜色标准 化、计算图像直方图、图像高斯模糊、图像颜色空间转换、肤 色检测、轮廓提取等步骤。 特征检测算法部分包括指尖检测、计算手势特征模型、 分层提取、特征比对等步骤。视频经过预处理得到手势特征 轮廓的二值化图像，利用手势特征检测模型对图像进行分层 特征提取获得特征值，与样本库的特征值进行相减并取绝对 值ｄ，根据大量试验设定一个经验阈值６，对图像进行特征
，／第五层检测到的角度
ＣＳｔｒｉｎｇＧｅｓｔｕｒｅＮａｍｅ；
／／手势名字 ｌ；
１．３建立手势特征值样本库
手势特征样本库对于后续的手势识别起到至关重要的 作用。本文首先根据手势检测模型建立样本库，如图１所示。
离ｌ
手蓊捡：曩模型
该手势检测模型由５个同心检测圆组成，同心圆的中心 与手势图像的重心。重合，重心与各指尖的最大距离为ｒ，
如图３所示，该部分是图像手势识别，共有８个环节，其 中图像在指尖提取和特征比对两个部分分别进行指尖初步 分类和手势精确识别。
轮廓提取
‘
轮廓比对
●
计算质心、半径
●
提取指尖
‘
绘出手势模型
●
分层提取
‘
特征比对
‘
输出结果
图３图像识别部分
３
实验结果
为了验证本文方法的可靠性与稳定性，待检测手势选取
手指指向不同、环境干扰不同的视频图像进行指尖定位和特 征检测实验。手势图像像素大小为３２０×２４０。 通过本文提出的特征提取和检测算法，结果证明指尖定 位准确率达到９０％以上。为了更好地实现徒手人机交互，本
ｌｊｊ蓝捣
Ｐ７１＇—’Ｔ—’●＿
Ｖ恍㈣刚ｃ勰器：¨
孙翼８，朱丽娟６，韩龙８
（海军大连舰艇学院ａ．研究生一队；ｂ．通信系，辽宁大连１１６０１８）
【本文献信息】孙翼，朱丽娟，韩龙．基于ｏｐｅｎｃＶ技术的复合手势特征识别算法【Ｊ】．电视技术，２叭５，３９（１４）
基于ｏｐｅｎＣＶ技术的复合手势特征识别算法
摘要：手势特征识别作为图像特征识别的一个重要研究方向，在很多了领域都有着非常广阔的应用前景，尤其是随着全
投稿网址ｈｎｐ：枷ＭｎｖｉｄｅｏＥ．ｃｎ Ｉ《电视技术》第３９卷第１４期（总第４６７期）
１ ０５
万方数据
ｎＶ怔㈣刚ｃＡ慧牌恶
