学位论文 > 优秀研究生学位论文题录展示
非标定单目序列图像的三维人体运动分析
作 者: 仝明磊
导 师: 刘允才
学 校: 上海交通大学
专 业: 模式识别与智能系统
关键词: 人体运动分析 单目图像序列 非标定相机 交互式多模型 卷积曲面 关节点自动定位 共享动态隐变量模型 粒子滤波器
分类号: TP391.41
类 型: 博士论文
年 份: 2007年
下 载: 455次
引 用: 3次
阅 读: 论文下载
内容摘要
基于视觉人体运动分析,是指如何从变化的场景中不同时刻的图像里提取出人体的位置、运动、姿态等信息,它在姿态识别、语义分析、行为理解、虚拟现实、智能监控、人机交互、运动分析等方面具有广泛的应用前景和潜在的经济价值。近年来,人体运动的视觉分析受到国内外学术界和企业界的广泛关注,发展至今已有两大类常用的研究方法,一类是基于模型的人体运动分析,一类是基于学习的人体运动分析。但作为计算机视觉领域中的一个热点和难点,该研究仍然有很多理论与技术问题需待解决。在基于模型的人体运动分析方法中,还没有一种方法能够描述模型投影与图像特征的解析关系;在人体运动的估计和跟踪中,初始帧的初始点都需要手工标记;跟踪过程中,运动模型比较单一;在基于学习的人体运动中,适合于人体运动的机器学习亟需发展研究。根据目前基于视觉的人体运动分析的研究现状和特点,本论文对图像的特征提取、表达、卷积曲面三维重建、确定性优化算法、滤波跟踪算法、机器学习理论等进行了深入的研究和探索,在人体建模、初始化、运动跟踪、以及机器学习等方面开展了创新性的工作,主要体现在以下几方面:1.提出卷积曲面与卷积曲线在正交投影和弱透视投影下的对应定理,将卷积曲面引入人体运动分析。针对以往的研究中人体模型投影与图像特征缺乏解析关系这一缺点,提出卷积曲面与卷积曲线在正交投影和弱透视投影下的对应定理,将卷积曲面引入人体运动建模,通过某种函数沿着连接刚体进行积分得到表达人体模型的卷积曲面,然后用卷积曲线对图像轮廓进行建模,通过卷积曲线对图像轮廓线的拟合求得人体运动参数。2.提出了一种人体关节点的自动定位的方法。针对以往工作中初始关键点需要手工标记的缺点,提出了一种人体关节点的自动初始化方法,通过图像中人体区域的自身特点,自动的找到头顶点,中心点以及四肢点的初始位置,在关键点自动定位的基础上,给出漏检点预测机制;并构造出三维骨架与图像人体区域骨骼线的相似度,最后通过确定性优化算法恢复三维运动。3.给出一个两层的滤波框架,将交互式多模型(IMM)引入长序列图像的三维人体运动跟踪中。针对在单一模型下人体运动跟踪效果不好的缺点,将交户式多模型(IMM)引入三维人体运动跟踪中,同时从三维人体运动的真实数据中学习到各关节的运动约束,以及用岭回归方法训练出不同动作的多个运动模型,最后利用交互式多模型框架来解决人体运动跟踪问题。4.提出共享动态隐变量模型并将其应用于人体运动跟踪。为了将状态跟踪局限在低维空间内进行,推导出共享动态隐变量模型,求出观测向量与状态向量的低维共享动态隐变量,通过离线的训练得状态方程、观测方程与重建方程,然后使用在线的粒子滤波器进行低维的隐变量跟踪,最后实现高维的重建。5.从理论上探讨了共享隐结构模型的实质,并证明其与经典主分量分析的等价性。针对经典的共享隐结构算法需要使用确定性优化算法或者EM算法求解,初值的设定以及优化速度精度,很难控制这一特点,给出共享隐变量模型的解析式,证明了高斯过程共享隐变量模型等价于经典主分量分析方法,即可以用主分量分析方法作为共享隐变量模型的解析式。
|
全文目录
摘要 4-6 ABSTRACT 6-13 第一章 绪论 13-31 1.1 引言 13 1.2 研究背景与现状 13-16 1.3 基于模型的人体运动分析综述 16-21 1.3.1 人体模型 17-18 1.3.2 图像特征的选择 18 1.3.3 人体先验信息 18-19 1.3.4 人体运动跟踪 19-21 1.4 基于学习的人体运动分析综述 21-22 1.4.1 图像特征 21 1.4.2 基于学习的人体运动方法 21-22 1.5 研究存在的难点与挑战 22-25 1.6 本论文的研究工作与创新 25-29 1.6.1 利用卷积曲面进行人体建模以及姿势恢复 26-27 1.6.2 自动的关节点提取以及基于关节点的人体运动估计 27 1.6.3 交互式多模型(IMM)引入三维人体运动跟踪中 27-28 1.6.4 共享动态隐变量模型用于人体运动跟踪 28 1.6.5 共享隐变量模型的解析式 28-29 1.7 本论文结构 29-31 第二章 三维人体运动模型 31-40 2.1 投影模型 31-34 2.2 人体骨架模型 34-39 2.2.1 人体骨架运动的欧拉角描述 34-37 2.2.2 人体骨架运动的四元数描述 37-39 2.3 本章小结 39-40 第三章 图像特征的提取与描述 40-46 3.1 图像特征的提取与描述综述 40-41 3.2 人体区域前景分割以及边界平滑 41-44 3.3 人体轮廓的描述 44-45 3.4 本章小结 45-46 第四章 卷积曲面人体运动模型以及姿态恢复 46-67 4.1 卷积曲面的综述以及基本原理 46-50 4.1.1 卷积曲面 47-50 4.1.2 卷积曲线 50 4.2 卷积曲面和卷积曲线投影对应关系 50-55 4.3 卷积曲面人体模型 55-59 4.4 关节点角度参数估计 59-65 4.4.1 目标函数的确定与约束函数 59-60 4.4.2 非线性优化问题 60 4.4.3 初值选择问题 60 4.4.4 实验结果以及分析 60-65 4.5 本章小结 65-67 第五章 基于骨架连接点运动的人体姿势估计 67-83 5.1 基于模型的自动定位方法 67-74 5.1.1 图像人体区域关节点自动定位 69-73 5.1.2 遮挡点预测机制 73-74 5.2 基于确定性优化方法姿势恢复 74-77 5.3 实验结果以及分析 77-81 5.4 本章小结 81-83 第六章 长序列图像三维人体运动分析与跟踪 83-104 6.1 研究现状概述 83-84 6.2 交互式多模型框架 84-89 6.2.1 扩展卡尔曼滤波器 85-87 6.2.2 交互式多模型算法 87-89 6.3 人体运动中交互式多模型方法的实施 89-92 6.3.1 基于例子的多运动模型学习 89-90 6.3.2 观测方程的Jacobian 矩阵 90-92 6.4 实验验证 92-103 6.4.1 真实图像序列实验 92-98 6.4.2 仿真图像序列实验 98-103 6.5 本章小结 103-104 第七章 共享动态隐变量模型与人体运动分析 104-130 7.1 现有的方法综述 104-107 7.1.1 基于学习的人体运动的方法综述 105 7.1.2 相关的学习算法描述 105-107 7.2 共享动态隐变量模型(SLDM) 107-112 7.2.1 基本映射模型 107-109 7.2.2 共享动态隐变量的存在性条件 109-110 7.2.3 均值预测(Mean Prediction) 110-112 7.2.4 SLDM 模型与其他算法的不同点 112 7.3 共享动态隐变量模型在人体运动中的实施 112-114 7.3.1 共享动态隐变量离线训练 112-113 7.3.2 隐变量空间的在线跟踪 113-114 7.4 共享动态隐变量模型的实验验证 114-129 7.4.1 GPDM 和SLDM 在功能上的不同 114-117 7.4.2 仿真图像序列跟踪 117-123 7.4.3 真实图像序列跟踪 123-129 7.5 本章小结 129-130 第八章 共享隐变量模型的解析方法研究 130-140 8.1 相关的工作综述 130-131 8.2 共享隐变量解析方法 131-134 8.2.1 共享隐变量模型与PCA 的等价性 131-133 8.2.2 共享隐变量的岭回归 133-134 8.3 共享隐变量解析方法实验 134-139 8.4 本章小结 139-140 总结与展望 140-143 参考文献 143-153 攻读博士学位期间发表论文与申请专利情况 153-154 致谢 154-155
|
相似论文
- 基于多Agent理论的卫星协同定轨技术研究,V474
- 基于VRPF的机动目标跟踪的研究,TN957.52
- 自主水下航行器组合导航算法研究与系统实现,U666.1
- 基于模型的人体运动分析,TP391.41
- 分布式声源定位与跟踪算法研究,TN912.3
- 基于惯性传感器与声纳的水下机器人定位与地图构建,TP242
- 基于视觉的移动机器人Unscented FastSLAM算法实现,TP242
- 基于双目视觉的机动目标跟踪方法研究,TP391.41
- 复杂环境下的小目标信号检测和跟踪技术研究,TN957.51
- 视频图像序列中的人体运动分析,TP391.41
- 超视距探测信息时空对齐误差链模型与补偿技术,TP202
- 基于粒子滤波的行人跟踪与性能分析系统的设计与实现,TP391.41
- 基于视频的人体上肢运动分析技术研究,TP391.41
- 基于粒子滤波的目标跟踪研究,TN953
- 视频图像中的目标跟踪技术研究,TP391.41
- 基于粒子滤波的红外弱点状动目标跟踪技术研究,TP391.41
- 基于自适应滤波的机动目标跟踪算法研究,TN953
- 分导飞行器的故障诊断及控制律重构,V267
- 室内移动机器人自定位研究,TP242
- 家政服务机器人同时定位与地图构建研究,TP242.6
- 智能视觉监控系统中的目标提取和跟踪算法,TP391.41
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|