学位论文 > 优秀研究生学位论文题录展示

基于深度图像学习的人体部位识别

作　者: 林鹏
导　师: 赵宇明
学　校: 上海交通大学
专　业: 控制理论与控制工程
关键词: 人体识别深度图像随机森林监督学习局域梯度特征检测跟踪
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 501次
引　用: 2次
阅　读: 论文下载

内容摘要

深度图像进行模式识别是近年来兴起的技术。这主要得益于深度图摄像机的成本降低,特别是微软推出Kinect设备,极大地激发了研究者们的兴趣。与可见光图像不同,深度图像像素值仅与物体空间位置有关,不会受光照、阴影、色度、环境变化等因素的干扰,能够有效地突破可见光图像识别遇到的问题和瓶颈。在一定的空间范围内,深度图像可以用来进行3D空间中的识别,代替可见光摄像机的双目视觉。本文主要讨论利用深度图像进行人体部位识别的问题,将阐述一种利用自制的深度图像样本库,提取局域梯度特征,结合随机森林学习的实时人体部位识别算法。与以往的人体识别技术,该算法能够很好的对部位进行检测,并且有很高的精度。本算法的局域梯度特征,对人体部位有很高的区分度,并且能克服重叠或遮挡问题,且计算简单。而随机森林作为分类器能够保证高准确度和快速分类,同时可以应用并行计算技术进一步提速。算法在普通PC单线程运行,平均处理一帧图像的时间是160毫秒,基本满足实时性要求。对训练样本,分类器平均正确率达到67.1%,预测的人体关节点的位置与真值平均误差幅度控制在11.5%以内。通过对深度图像的研究和对实验优缺点的分析可知,深度图像进行模式识别具有一定的发展空间。

基于深度图像学习的人体部位识别

内容摘要

全文目录

相似论文