收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

无标记人体运动捕捉技术的研究

叶青  
【摘要】:无标记人体运动捕捉技术是计算机视觉领域的一个研究热点问题,它在智能视频监控、人机交互、影视动画制作、运动分析、基于内容的视频检索等多个领域均具有广阔的应用前景。在面向智能视频监控的应用中,如何克服场景的复杂多样性、人体遮挡与自遮挡以及三维空间到二维图像平面投影带来的多义性等方面的困难,实现处理过程无需人工干预、满足准确性、实时性和鲁棒性要求的无标记人体运动捕捉成为一项具有挑战性的课题。 本文对基于视觉的无标记人体运动捕捉技术进行了研究和探讨,以智能视频监控的应用需求为出发点,重点针对无标记人体运动捕捉技术中的基于单目视觉的人体检测、基于单目视觉的人体动作识别和基于双目视觉的人体姿态估计这三个重要问题展开了阐述和深入研究,提出了一系列的解决方法和算法,具体包括以下三个方面: 1)在基于单目视觉的人体检测中,提出了一种复杂场景下的快速人体检测方法。该方法针对遮挡较严重的复杂场景,通过图像匹配、自适应阈值的背景减除法以及改进的形态学等处理方法,有效去除了摄像机抖动、复杂背景和噪声的干扰,并基于人体头部特征进行目标分类判决来有效克服遮挡对人体检测造成的影响。为了进一步提高复杂场景下的快速人体检测方法的适应范围和准确率,提出了一种基于自适应背景模型与人体部位特征的人体检测方法。该方法通过自适应混合高斯背景模型提取前景运动目标,并在检测到的各连通域中根据人体头肩部件特征采用人体粗略定位和人体精确定位两步走的目标分类判决方法有效去除伪目标完成人体的检测。实验表明,本文所提出的两种人体检测方法均能够实时快速地完成人体检测的任务,具有较高的准确率和较强的鲁棒性。 2)在基于单目视觉的人体动作识别中,提出了一种改进的基于运动特征与时空特征的人体动作识别方法。该方法以提高动作识别算法的准确率为目的,分别以光流特征和3D梯度方向直方图(3DHistograms of Oriented Gradients,HOG3D)特征作为运动特征和时空特征,提取出视频中运动人体区域的光流局部时空最大值和时空兴趣点的HOG3D特征作为特征向量;并分别对这两类特征向量基于词袋模型构建词库生成词频表,其中考虑到人体动作与空间位置的相关性,在光流局部时空最大值特征的词库构建中采用了基于人体结构特征的人体区域分块构建词库的改进方法;利用概率潜在语义主题模型PLAS对各类词频表进行训练和分类,将所得分类结果进行加权平均得到最终的动作识别结果。该方法弥补了两种特征的不足,经KTH和Weizmann两种动作数据库测试,能够达到较高的动作识别准确率。 3)在基于双目视觉的人体姿态估计中,提出了一套基于双目视觉的人体姿态估计方法。该方法为了降低二维图像平面投影带来的遮挡问题和多义性问题对人体姿态估计结果造成的影响,引入人体空间深度信息提高人体姿态估计算法的精度。在采用平面模板两步法完成双目视觉系统的标定之后,为了获得人体的深度信息,本文提出了一种基于人体特征点的立体匹配与深度信息获取算法,该算法采用Haar特征与星型结构结合的方法检测人体特征点,并采用改进的基于特征点与区域相结合的立体匹配算法进行匹配,利用标定结果可以获得人体各特征点准确的空间三维坐标。该算法对特征匹配点进行两次定位且基于局部匹配算法,算法速度快准确率高。为了更准确地描述人体的姿态,本文提出了一种基于人体特征点空间三维信息的姿态估计算法,该算法以人体各关键特征点空间位置之间的关系为特征,采用基于样本索引的方法估计人体的具体姿态。该算法融入了深度信息,能够更精确地估计人体各种姿态。实验表明,本文提出的基于双目视觉的人体姿态估计方法能够准确获取人体3D姿态数据完成人体姿态的精确估计,无需人工干预及初始化,有效降低了遮挡和多义性问题的影响,提高了人体姿态估计的鲁棒性。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 丁建浩;耿卫东;王毅刚;;基于多部位多示例学习的人体检测[J];模式识别与人工智能;2012年05期
2 王敏;赵娜娜;刘忠杰;黄榜;宋小波;朱擎飞;;视频中的人体检测算法[J];自动化博览;2013年02期
3 孙宏国;李天然;蒲宝明;张全发;王慧静;;复杂背景下人体检测算法[J];计算机系统应用;2013年04期
4 潘锋,王宣银;基于支持向量机的复杂背景下的人体检测[J];中国图象图形学报;2005年02期
5 吕治国;徐昕;贺汉根;;基于可变模板和支持向量机的人体检测[J];计算机应用;2007年09期
6 李任卓;李见为;颜永龙;黄雪青;何为;;基于统计方法的视频序列运动人体检测[J];电脑知识与技术(学术交流);2007年19期
7 汤一平;李雯;;基于全方位视觉的快速实时人体检测[J];浙江工业大学学报;2008年04期
8 陈朝钢;吴春明;叶秉威;;一种基于手机平台的运动人体检测算法的研究[J];电子学报;2009年04期
9 方明;;一种基于图像的人体检测方法[J];科技资讯;2009年27期
10 贾棋;郭禾;宫宇;;一种实用的运动人体检测与阴影消除方法[J];系统仿真学报;2009年S2期
11 ;2009年增刊2第151页更正[J];系统仿真学报;2009年23期
12 苏海明;;基于头部特征的人体检测[J];信息与电脑(理论版);2010年03期
13 黄永鑫;;运动人体检测的关键技术研究[J];硅谷;2010年17期
14 李嘉懿;戴声奎;定志锋;;基于局部显著性特征的人体检测方法[J];通信技术;2012年04期
15 蒋莉;曾锦华;;基于视觉注意机制的人体检测和跟踪研究[J];电脑知识与技术;2012年11期
16 黄炎;颜佳;张虎;邓德祥;;多部位集合的人体检测[J];光学精密工程;2013年11期
17 景阳;刘琳;曾昭龙;杜治国;;遮挡情况下的人体检测与跟踪[J];科学技术与工程;2014年16期
18 张欢;安国成;张凤军;王宏安;戴国忠;;多颜色空间融合的人体检测算法研究[J];中国图象图形学报;2011年10期
19 宫宇;;运动人体检测和二维关键点提取[J];电子设计工程;2012年01期
20 潘锋,王宣银,王全强;智能监控中基于头肩特征的人体检测方法研究[J];浙江大学学报(工学版);2004年04期
中国重要会议论文全文数据库 前4条
1 孙庆杰;;基于颜色量化的人体检测[A];全国第十五届计算机科学与技术应用学术会议论文集[C];2003年
2 龚华;李继云;;运动人体检测算法比较研究[A];第十四届全国图象图形学学术会议论文集[C];2008年
3 顾爽;陈启军;;基于边缘类型比率特征的人体检测算法[A];2011年中国智能自动化学术会议论文集(第一分册)[C];2011年
4 陈亚菲;张宝昌;;基于L2-norm最小化的人体检测[A];第八届全国信息获取与处理学术会议论文集[C];2010年
中国博士学位论文全文数据库 前9条
1 刘亚洲;基于时空分析和多粒度特征表示的人体检测方法研究[D];哈尔滨工业大学;2009年
2 林逸峰;基于计算机视觉的人体检测和人脸识别[D];吉林大学;2012年
3 丁建浩;基于单目视觉的人体检测和运动恢复[D];浙江大学;2013年
4 李春明;视频图像中的运动人体检测和人脸识别[D];西安电子科技大学;2005年
5 倪洪印;基于视频的人体检测与目标跟踪方法研究[D];吉林大学;2014年
6 于海滨;基于头部特征提取的人体检测与跟踪及其应用[D];浙江大学;2007年
7 叶青;无标记人体运动捕捉技术的研究[D];北京邮电大学;2014年
8 Nasir Saleem(萨里姆);视频监控中的人体分割、识别与跟踪[D];北京邮电大学;2013年
9 郭星;大屏幕人机互动中若干关键技术研究[D];安徽大学;2013年
中国硕士学位论文全文数据库 前10条
1 崔新毅;视频序列中的人体检测方法研究[D];哈尔滨工业大学;2007年
2 甘国龙;基于特征学习的人体检测[D];电子科技大学;2012年
3 邵春艳;基于空间上下文的人体检测算法研究[D];哈尔滨工程大学;2012年
4 孙迪;基于结构输出回归的人体检测[D];哈尔滨工程大学;2013年
5 熊慧;复杂环境下运动人体检测与跟踪算法研究[D];长沙理工大学;2013年
6 郭玉言;基于最大几何流向和快速鲁棒性特性的静态人体检测算法的研究[D];西安电子科技大学;2014年
7 栾大勇;实时视频监控系统中的运动人体检测算法研究[D];吉林大学;2009年
8 于海;基于视频序列的运动人体检测[D];山东大学;2009年
9 吴键;视频序列中运动人体检测与跟踪的研究与应用[D];兰州理工大学;2010年
10 刘晨;灾难现场中人体检测[D];哈尔滨工程大学;2010年
中国重要报纸全文数据库 前3条
1 成都 胥绍禹 编译;人体检测夜间自动照明灯[N];电子报;2007年
2 刘文静;测头发可知健康状况[N];新华每日电讯;2003年
3 刘文静;只需剪一缕头发 就测出健康状况[N];新华每日电讯;2004年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978