学位论文 > 优秀研究生学位论文题录展示

基于视频的运动分析关键技术研究

作　者: 谢刘阳
导　师: 李一民
学　校: 昆明理工大学
专　业: 信号与信息处理
关键词: 运动识别智能康复粒子群矢量量化
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 35次
引　用: 0次
阅　读: 论文下载

内容摘要

本文在研究人运动分析基础上,把人运动分析方法用于人体康复治疗系统中的康复动作的识别。研究基于视频的人体康复治疗系统动作识别的关键技术。康复治疗是康复医学的重要内容,是使病、伤、残者身心健康与功能恢复的重要手段,也是病、伤残综合治疗的一个组成部分。康复治疗主要的手段是康复运动,目前康复治疗是以康复医师为中心,由康复治疗师和临床医学相关人员共同组成的康复治疗团体来实施,以及借助辅助传感器进行康复活动。这些都是传统的非智能方式,进年来随着科技的发展已经出现了一批适用于不同类型病人的智能康复治疗系统,例如智能肢体康复训练器、智能化多功能电动康复床等。总之全世界对康复治疗的系统研究使其取得了巨大的进步。人体运动分析是目前计算机视觉领域中备受关注的前沿领域,其核心是利用计算机视觉技术从图像序列中检测、跟踪、识别人并且对其行为进行理解与描述。运动分析的研究内容相当丰富,主要涉及模式识别、图像处理、计算机视觉、人工智能等学科知识。它在虚拟现实、视觉监控、感知接口领域都有着广阔的应用前景。本文主要研究康复治疗系统的动作识别问题,主要研究内容是运动分析中的前景提取、运动跟踪以及行为理解三个问题。主要做的工作如下：一、通过实验分析了几种不同目标检测算法的效果,为在适应不同环境下的目标检测供了依据。二、实现人体星型骨架特征的方式来跟踪人体动作,以及用HMM完成行为理解。并提出用粒子群算法优化人体星型骨架特征矢量量化,并通过实验证明该方法优于传统的LBG算法生成的特征矢量码本。最后总结分析了论文的所有工作。

全文目录

摘要  3-4
ABSTRACT  4-8
第一章绪论  8-16
  1.1 课题研究的目的和意义  8
  1.2 运动分析研究状况及分析  8-9
  1.3 人体运动分析系统构成  9-10
  1.4 难点与发展趋势  10-12
  1.5 开发平台介绍  12-15
    1.5.1 OpenCV简介  12-13
    1.5.2 OpenCV在运动分析的应用  13
    1.5.3 VS2008介绍  13-14
    1.5.4 MFC介绍  14
    1.5.5 DirectShow介绍  14-15
  1.6 本文的组织结构  15-16
第二章目标检测  16-26
  2.1 目标检测概述  16
  2.2 数字图像处理技术  16-20
  2.3 背景差分  20-24
    2.3.1 混合高斯模型的运动检测  20-22
    2.3.2 动态阂值的背景差分法  22-24
  2.4 帧间差分法  24-25
  2.5 本章小结  25-26
第三章运动跟踪  26-33
  3.1 运动跟踪概述  26-27
  3.2 人体星型骨架特征的跟踪方法  27-33
    3.2.1 轮廓提取与计算人体重心  29-30
    3.2.2 四肢头部端点提取  30-31
    3.2.3 人体星型骨架归一化  31-32
    3.2.4 星型骨架特征的比较方法  32-33
第四章隐马尔可夫模型的行为理解  33-46
  4.1 马尔可夫链及隐马尔可夫模型  33-35
    4.1.1 马尔可夫链  33-34
    4.1.2 隐马尔科夫模型(HMM)  34-35
  4.2 HMM的三个基本问题  35-39
    4.2.1 前后-后向(forward-backward)算法  36-38
    4.2.2 Viterbi算法  38
    4.2.3 Baum-Welch估计算法  38-39
  4.3 HMM对人体运动识别的建模  39-41
  4.4 实验  41-45
  4.5 小结  45-46
第五章粒子群优化人体星型骨架的矢量量化  46-52
  5.1 LBG算法  47
  5.2 粒子群优化算法  47-50
    5.2.1 粒子群算法思想的起源  47-48
    5.2.2 粒子群算法  48-49
    5.2.3 粒子群改进人体星型骨架特征矢量量化  49-50
  5.3 对比实验  50-51
  5.4 本章小结  51-52
第六章总结和展望  52-53
致谢  53-54
参考文献  54-58
附录A 攻读硕士学位期间发表的论文  58

基于视频的运动分析关键技术研究

内容摘要

全文目录

相似论文