学位论文 > 优秀研究生学位论文题录展示

基于视频的人体运动跟踪技术研究

作　者: 刘国翌
导　师: 李华
学　校: 中国科学院研究生院（计算技术研究所）
专　业: 计算机应用技术
关键词: 运动捕捉多摄像机人体运动跟踪人体模型多摄像机定标非线性优化上半身运动跟踪肤色模型概率跟踪形状匹配举重运动
分类号: TP391.41
类　型: 博士论文
年　份: 2005年
下　载: 1870次
引　用: 13次
阅　读: 论文下载

内容摘要

基于视频的人体运动跟踪是一种使用普通摄像机跟踪无标记人体运动的技术。它在自动监控、人机交互、体育运动分析等许多领域有重要的应用价值。在该方面的研究是近年计算机视觉领域的一个热点研究方向。由于问题的复杂性和缺乏对人类视觉本质的理解,基于视频的跟踪始终是计算机视觉中的难题。本文的研究内容以奥运科技项目为背景,针对以举重运动为代表的体育运动分析所提出的非接触、无妨碍的测量与仿真的要求,利用计算机图形图像和计算机视觉等技术,探讨了基于多摄像机视频的三维人体运动跟踪和仿真技术。本文的主要工作和贡献如下:(1)提出了一个基于优化算法的跟踪框架。该框架直接融合来自多个摄像机的数据,使用灰度、边界和轮廓三种图像特征来建立人体运动跟踪的目标函数。目标函数采用残差平方和形式,通过比较人体模型投影与提取的图像特征来建立,并使用高斯-牛顿优化算法求解。(2)设计了一个多摄像机人体运动跟踪环境,包括一个参数化的人体骨架模型和人体外观模型,以及一种实用的外参定标算法。在此基础上我们实现了多摄像机三维人体运动跟踪的算法实验平台。(3)提出了一种基于轮廓匹配来预测二维关节点的算法,有效地解决了遮挡和跟踪错误积累这一关键问题。另外我们提出使用“人体自相交限制”、“肤色区域约束”、“对称性约束”等先验知识来提高跟踪算法对遮挡、环境变化以及噪声的适应性。(4)实现了面向举重运动的三维人体运动跟踪原型系统。该系统能够自动跟踪举重运动的三维人体运动参数以及杠铃的运动参数。(5)设计并实现了一个可以实时捕捉人体上半身运动的系统,实现了跟踪的自动初始化以及自动从跟踪错误中恢复,并且在一定程度上处理光照变化、身体自遮挡等问题。该系统通过结合使用人脸检测、肤色检测和概率跟踪等技术,可以使用单个普通摄像头在一般的室内环境下跟踪人体的脸部和手臂关节位置。

全文目录

第1章绪论  13-17
  1.1 研究背景、目的和意义  13-15
    1.1.1 人体运动捕捉  13
    1.1.2 基于视频的人体运动捕捉  13-14
    1.1.3 人体运动分析与奥运科技  14-15
  1.2 本文的组织结构  15-17
第2章基于视频的人体运动跟踪研究概述  17-29
  2.1 基本方法和研究内容  17-20
    2.1.1 分类  17
    2.1.2 基于视频的人体运动跟踪难点  17-19
    2.1.3 问题描述及其跟踪框架  19-20
  2.2 基于模型的人体运动跟踪  20-25
  2.3 非模型匹配方法  25-26
  2.4 活跃的研究方向  26-29
第3章相关的基础算法  29-49
  3.1 多关节骨架模型及运动控制  29-34
    3.1.1 人体骨架模型  29-30
    3.1.2 旋转的参数化  30-33
    3.1.3 反向运动学  33-34
  3.2 摄像机模型与摄像机标定  34-38
    3.2.1 摄像机模型  34-35
    3.2.2 立体视觉原理与极线几何  35-36
    3.2.3 摄像机定标  36-38
  3.3 图像处理与底层特征提取  38-42
    3.3.1 减背景  38-40
    3.3.2 图像梯度、边界和距离图  40-41
    3.3.3 光流计算  41-42
  3.4 参数估计与优化方法  42-47
    3.4.1 最大似然估计  42-43
    3.4.2 局部优化算法  43-44
    3.4.3 鲁棒参数估计  44-46
    3.4.4 Kalman 滤波  46-47
  3.5 基于概率的跟踪算法  47-49
第4章基于人体模型的运动跟踪  49-71
  4.1 实验环境的搭建  49-51
    4.1.1 实验数据获取及摄像机摆放  49-50
    4.1.2 摄像机外参定标  50-51
  4.2 人体模型及投影  51-58
    4.2.1 人体骨架模型和体模型  51-52
    4.2.2 人体形状模型的投影  52-58
  4.3 用局部优化算法进行三维跟踪  58-65
    4.3.1 目标函数定义  58
    4.3.2 使用灰度特征  58-61
    4.3.3 组合多种图像特征  61-63
    4.3.4 对优化算法一些问题的处理  63-65
  4.4 基于粒子滤波算法的人体运动跟踪  65-66
  4.5 实验与比较  66-69
  4.6 本章小结  69-71
第5章利用先验知识对跟踪进行约束  71-85
  5.1 概述  71-72
  5.2 身体自相交约束  72-73
  5.3 肤色区域约束  73-75
  5.4 特定运动的跟踪及举重运动跟踪系统原型  75-82
    5.4.1 预测关节位置  75-78
    5.4.2 提取轮廓与库中轮廓的时间对齐  78
    5.4.3 在目标函数中引入预测关节点约束  78-79
    5.4.4 对称性约束  79
    5.4.5 举重运动三维跟踪系统原型和实验结果  79-82
  5.5 小结  82-85
第6章实时的上半身运动跟踪  85-93
  6.1 基于人体姿态的人机交互  85
  6.2 系统设计  85-86
  6.3 关键功能模块分析  86-91
    6.3.1 自适应的肤色区域检测算法  86-88
    6.3.2 脸部检测与跟踪  88
    6.3.3 区域分析及关节位置推断  88-90
    6.3.4 基于粒子滤波的blob跟踪算法  90
    6.3.5 三维姿态恢复  90-91
  6.4 实验结果和讨论  91-93
第7章结束语  93-97
  7.1 本文主要贡献与创新  93-94
  7.2 下一步研究方向  94-97
参考文献  97-105
致谢  105-107
作者简历  107-108

基于视频的人体运动跟踪技术研究

内容摘要

全文目录

相似论文