学位论文 > 优秀研究生学位论文题录展示

基于模型的人体运动跟踪和姿态分析技术研究

作　者: 李长艳
导　师: 郭立君
学　校: 宁波大学
专　业: 计算机应用技术
关键词: HOG特征 Kalman滤波跟踪图模型人体姿态估计
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 80次
引　用: 0次
阅　读: 论文下载

内容摘要

对视频图像中的人体进行跟踪和姿态估计是计算机视觉领域中的热点问题,并且具有广泛的应用前景。目前现有的方法有一定缺陷,如:姿态估计不准确且速度慢,因此,研究一种良好的跟踪和姿态估计方法是非常有必要的。人体特征多种多样,在人体运动分析中特征选择和提取是关键问题。通过相关分析,本文在人体检测阶段采用的特征是梯度方向直方图;因为人体检测是人体跟踪和姿态估计的前提,检测结果的好坏直接影响跟踪和姿态估计的结果,原始的方法很难达到实时的效果,本文对其进行改进,在计算HOG特征中引入积分向量图,能有效减少HOG特征的计算时间。对于人体运动跟踪方法,需要根据不同的应用场合和跟踪目标的特性来选择不同的方法。本文要求实时性且前景观测比较准确,因此采用易于实现的基于Kalman滤波器的跟踪方法。本文创新的将HOG和Kalman结合在一起,不但可以准确跟踪人体目标位置,而且还可以确定人体大小,为姿态估计奠定了良好基础。对于人体姿态估计,本文采用基于图结构模型的方法,并对其进行改进。为了减少搜索空间,在进行姿态估计前,进行了一些前奏处理:首先进行了人体检测,通过人体检测确定人体的大体位置和尺度,把检测窗口作为姿态估计的输入,能大大减少搜索空间,提高姿态估计速度;同时在检测窗口中根据先验知识加入一些限制,如:人体的头部和躯干一般位于检测窗口的正中间,头部位于躯干的上面正中间,躯干位于头部正下方,这样进一步减少了搜索空间,提高了速度。对视频序列中的人体进行姿态估计时,本文不但利用了视频帧之间的表观连续性,还利用了几何连续性,这样不但能够提高人体姿态估计的准确性还可以提高估计速度。

全文目录

摘要  4-5
Abstract  5-9
引言  9-10
1 绪论  10-17
  1.1 研究目的与意义  10-11
  1.2 研究现状  11-12
  1.3 国内外现有技术  12-15
  1.4 本文的主要工作  15
  1.5 论文的结构  15-17
2 特征选择和提取  17-24
  2.1 引言  17
  2.2 常用人体特征介绍  17-23
    2.2.1 SIFT描述子  17-19
    2.2.2 形状上下文描述子  19-21
    2.2.3 Haar特征  21
    2.2.4 表观特征  21-23
  2.3 本章小结  23-24
3 人体运动目标检测  24-41
  3.1 引言  24
  3.2 常用的几种检测方法  24-27
    3.2.1 光流法  24-25
    3.2.2 帧间差分法  25
    3.2.3 背景减除法  25-27
  3.3 基于梯度方向直方图的人体检测方法  27-33
    3.3.1 梯度方向直方图特征的提取  27-29
    3.3.2 基于梯度方向直方图的人体检测算法  29-30
    3.3.3 基于积分向量图的HOG特征计算  30-33
  3.4 基于部件模型的人体上身检测  33-38
    3.4.1 可变形部件模型建模  33-35
    3.4.2 可变形模型的匹配  35-36
    3.4.3 训练过程  36-38
  3.5 人体检测的实验结果  38-40
  3.6 本章小结  40-41
4 人体运动目标跟踪  41-52
  4.1 引言  41
  4.2 人体运动目标跟踪方法分类  41-42
  4.3 基于HOG和Kalman的人体运动目标跟踪方法  42-49
    4.3.1 Kalman滤波器简介  43
    4.3.2 Kalman滤波器建模  43-44
    4.3.3 Kalman滤波器的具体步骤  44-46
    4.3.4 Kalman滤波器用于人体跟踪中各参数的设定  46-48
    4.3.5 基于HOG和Kalman滤波器的人体跟踪目标策略  48-49
  4.4 实验结果及其分析  49-51
    4.4.1 单个人的跟踪实验结果  49-50
    4.4.2 多个人的跟踪实验结果  50-51
  4.5 本章小结  51-52
5 人体姿态估计  52-66
  5.1 引言  52
  5.2 人体姿态估计方法分析  52-55
    5.2.1 人体姿态估计方法分类  52-53
    5.2.2 人体几何模型的选择  53-55
  5.3 本文采用的方法  55-64
    5.3.1 图结构简介  55-57
    5.3.2 概率推理  57-58
    5.3.3 人体姿态估计的通用模型  58-59
    5.3.4 搜索空间  59
    5.3.5 单帧或单幅图像中人体姿态估计  59-61
    5.3.6 时空分割  61-64
  5.4 实验结果及其分析  64
  5.5 本章小结  64-66
6 结束语  66-68
  6.1 工作总结  66-67
  6.2 研究展望  67-68
参考文献  68-74
在学研究成果  74-75
致谢  75

基于模型的人体运动跟踪和姿态分析技术研究

内容摘要

全文目录

相似论文