基于人体关节点的步态识别算法研究

步态识别是指根据人走路的方式及动力学特征来识别人的身份。人体关节点能很好地表征步态特征。本文提出一种的新的算法：用半周期长的代表性短序列取代关键帧,然后对每个序列用下肢关节角度描述其动态特征,并用关节点的形状上下文描述其轮廓静态特征,较好的提取了人体的步态信息。我们通过实验,对不同特征赋予相应权值进行特征融合,并采用K近邻分类器有效地提高了识别率。实验表明,该算法具有很好的识别效果。     

基于改进的ST-GCN模型的跌倒检测算法

针对当下基于图像的传统跌倒检测算法难以提取时域动作特征所导致的模型检测过程中所存在无法提取动态信息问题,建立了一种基于关节点提取和改进的ST-GCN模型的实时跌倒检测算法.首先根据姿态识别算法Alphapose提取视频中人体的骨架关节点信息;然后对时域中的骨架关节点序列进行Kalman滤波估计,得到稳定变化的人体时空图...     

基于序列多尺度特征融合表示的层级舞蹈动作姿态估计方法

人体姿态估计是计算机视觉研究领域的热点研究问题之一,但其在传统民间舞蹈动作姿态估计方面的应用研究尚处于起步阶段.由于舞蹈图像中人体动作复杂多变、舞蹈动作连贯性强、舞蹈者存在严重遮挡不易检测等特点,传统人体姿态估计方法难以准确估计舞蹈者的动作变化,导致舞蹈动作姿态估计准确率较低.针对此问题,本文提出一种基于序列多尺度特征融合表示的层级舞蹈动作姿态估计方法,该方法针对舞蹈动作骨骼关节点尺度变化剧烈的问题,构建基于序列多尺度特征融合表示的关节点估计模型.并且,针对舞蹈姿态形变较大,遮挡严重的问题,设计基于关节点几何关系的层级姿态估计模型,提高舞蹈动作姿态估计的效果.实验结果表明,本文方法在标准人体姿态估计数据集及自建舞蹈数据集上取得较好的姿态估计结果.     

基于Kinect的实时人体姿势识别

Kinect的实时骨骼跟踪技术获取身体关节点的三维位置信息,为进行人体姿势识别提供了丰富的信息,拟在三维关节点位置信息的基础上,建立一种实时的人体姿势识别系统。选择关节角度作为姿势特征,结合逻辑回归（logistic regression,LR）分类算法对54种姿势进行识别研究。实验结果表明,该姿势识别系统可以准确实时地识别人体姿势。     

视频图像中的车辆检测跟踪和分类

介绍了一种用固定的单摄像头拍摄交通图像,并从图像序列中检测、跟踪、分类车辆的方法。该方法大致可分为3部分：抽取背景图像和图像分割;基于针孔模型的摄像机定标,计算透视投影矩阵;利用区域特征进行匹配跟踪,建立目标链。恢复目标三维信息,采用模型匹配法对车型分类。实验证明方法是简单可行的。     

光流场的递推估计方法

本文提出了一种基于特征的递推估计光流场的方法。分析了三维运动物体透视投影的特性并建立了相应的动态模型;利用图象序列中每帧图象上的一对或多对匹配点做为观测量,递推地估计有关的运动参数,然后讨论了由匹配点向投影的其余部分传播运动的两种分配方式:直接式和动态规划式。实验表明:本方法虽需较长的图象序列但只用很少的匹配点;即使在信噪比很小的条件下,仍然是高效和稳健的。     

基于时空多特征融合网络的三维人体姿态估计北大核心CSCD

目前,常见的三维(3D)人体姿态估计算法在表征学习上取得很好的效果,但是在人体骨架关节点处依然存在估计精度不佳等问题,因此,如何从单目RGB图像中利用冗余的二维(2D)姿态序列时空信息来估计人体姿态的有效方式是一个研究的难点。本文提出一种基于时空多特征融合网络的三维人体姿态估计算法,具体是结合一种图像外观信息和运动时序信息时空多特征融合层级方法,该方法利用一种紧凑的卷积神经网络(convolutional neural network, CNN)学习时空信息将二维关节点位置信息建模为三维关节点位置。实验结果表明,本文所提出的方法能实现较为先进的端对端姿态估计精度,而且不需要任何后处理阶段的姿态优化方法,本文得到的姿态估计在平均精度上得到有效的提升,证明本文方法能够有效提高人体姿态估计的准确性。     

数字匹配滤波器的优化设计与FPGA实现

介绍在直接序列扩频通信中应用数字匹配滤波器实现m序列同步,分析其具体结构,详细讨论了其基于FPGA(现场可编程门阵列)的性能优化.结果表明,数字匹配滤波器用FPGA实现时,能够大大减少资源占用,并提高工作效率.     

基于肌肉的人体运动仿真研究*

针对当前国内缺少满足牛顿运动定律的人体运动仿真问题,提出了基于肌肉的人体运动仿真方法.该方法首先建立了基于解剖学的人体骨骼肌肉模型,然后进行运动捕获数据与人体模型的匹配,其次构建了主要关节点的局部坐标系,接着运用多刚体运动学与动力学进行运动学及动力学参数的计算,之后施加空间力学平衡约束得到了有效的关节运动约束机制.实验结果表明,利用该算法实现的人体运动仿真真实、自然、逼真,证明了算法的有效性.     

一种动态序列重力匹配算法

由于重力异常具有随机性,导致序列重力匹配算法精度受到匹配轨迹起始点位置的影响,因此,该文提出了一种动态序列重力匹配算法。该算法通过对构建多起点匹配轨迹序列,动态选择起始点,构建匹配轨迹序列,通过相关极值法提高重力匹配精度。结果表明,动态序列重力匹配算法重力匹配精度高,实时性好,能为水下载体长时间航行提供导航信息。     

基于多媒体技术的三维人物图像动态重构

针对基于自标定的三维人物图像动态重构方法不能准确获取人物运动形态的三维位置,重构结果存在较高的偏差的问题,提出基于多媒体技术的三维人物图像动态重构方法,采用单目图像重构算法完成人体三维姿态重构。对多媒体技术中单摄像机拍摄的单目人体运动图像进行重构时,首先基于人体树状模型,采用基于部件检测器的二维肢体检测算法完成人体二维肢体检测;再采用基于关节点图像坐标的三维姿态重构算法,依据人体二维姿态检测结果,通过预测关节点反投影误差的退火粒子滤波算法完成人体三维姿态的跟踪,实现三维人体图像动态重构。实验结果说明,所提方法可准确实现三维人物图像动态重构,具有较高的重构精度和效率。     

一种新的无人机航拍序列图像快速拼接方法

 无人驾驶飞机航拍序列图像的邻近帧间含有大量的相交区域,这些相交区域是进行基于特征的图像拼接的基础,但是也成为了降低拼接效率的冗余信息.因此,本文提出一种既稳定又具有较小时间开销的无人机航拍序列图像的自动拼接方法.利用图像拼接过程中查找到的匹配特征点,自适应提取出适于航拍序列图像快速拼接的关键帧;在分析了序列图像的拼接时的相交区域的运动模型的基础上,建立了无人机航拍序列图像配准过程中的特征搜索区域预测的卡尔曼滤波器,减少了特征搜索和配准的时间;然后给出了详细无人机航拍序列图像的快速拼接方法,实验结果显示,本文的方法具有较好的拼接效果和拼接效率.     

基于复杂网络和最优子序列双射的形状描述与匹配

本文结合复杂网络理论分析形状特性,对形状建模成基于形状内部距离的小世界复杂网络,分析复杂网络节点的度特征和聚类系数特征,通过复杂网络的动态演化,构造多尺度的关于节点分布的直方图来描述形状;用轮廓点多尺度的度特征、聚类系数特征和内部距离形状上下文特征来描述轮廓点,结合改进的最优子序列双射算法实现形状匹配.实验中分析了复杂...     

基于局部连接型多层前馈网络的雷达目标动态回波识别

提出了一种适合于舰船雷达目标动态回波序列识别用的新的有效多层前馈网络－局部连接平行处理型网络研究了ＢＰ网络学习算法的综合改进方法，并相对常规全连接型ＢＰ网络分析了局部连接型网络的动态特征抽取能力和目标识别性能。     

动态前景干扰下的电子稳像算法

针对存在动态前景目标的抖动视频序列,提出了一种以块匹配为基础的块差分平方前景目标去除的电子稳像方法。首先,将图像分成大小为16×16的特征块,通过设定阈值筛选出具有足够梯度信息来估计运动矢量的特征块,从而减少参与计算的特征块数量以提高处理速度;然后,采用归一化互相关(Normalized Cross Correlation,NCC)匹配算法和迭代搜索策略来完成特征块的匹配;最后,采用牛顿迭代法计算仿射变换模型下的帧间运动参数,并根据这些参数完成运动补偿,实现图像序列的稳定。实验表明,算法成功地去除了视频序列中动态前景目标的干扰,对存在平移及旋转运动的视频序列,能够快速有效地去除抖动,获得稳定的视频序列。     

动态景像匹配导航差分滤波估计定位融合算法

为了改善景像匹配导航系统的可靠性及匹配精度,提出了一种基于位置差分滤波与最小二乘估计的动态景像匹配定位融合算法。分析了动态景像匹配导航定位融合的基本问题;针对匹配位置序列的误差特性,设计了位置差分滤波方法,用于剔除匹配位置序列中的误匹配点;采用最小二乘估计对匹配位置序列进行最优参数估计,进而对误匹配点进行估计并实现了匹配位置预测;给出了定位融合算法的基本原理及实现框图。仿真实验结果验证了该算法在消除误匹配点及减小随机匹配误差干扰方面的有效性、实用性。     

使用简易深度成像设备的高尔夫挥杆动态贝叶斯网络三维重建

基于简易深度成像设备的动作捕捉系统因其与传统设备相比更加廉价且易于使用而倍受关注。然而,此类设备图像分辨率很低,肢体间互相遮挡,缺乏3维动作重建的基本数据条件。该文融合人体关节点父子关系与关节点在运动中的多阶马尔可夫性,提出一个描述人体关节点空间关系与动态特性的动态贝叶斯网络(DBN)模型,基于该DBN模型并利用高尔夫挥杆运动的相似性,构建了一种高尔夫挥杆3维重建系统DBN-Motion(DBN-based Motion reconstruction system),使用简易深度成像设备Kinect,有效地解决了肢体遮挡的问题,实现了高尔夫挥杆动作的捕获和3维重建。实验结果表明,该系统能够在重建精度上媲美商用光学动作捕捉系统。     

基于全局双线性注意力的红外视频行为识别

针对红外视频缺少纹理细节特征以致在人体行为识别中难以兼顾计算复杂度与识别准确率的问题,提出一种基于全局双线性注意力的红外视频行为识别方法。为高效计算红外视频中的人体行为,设计基于两级检测网络的关节点提取模块来获得人体关节点信息,创新性地将所形成的关节点三维热图作为红外视频人体行为识别网络的输入特征;为了在轻量化计算的基础上进一步提升识别准确率,提出一种全局双线性注意力的三维卷积网络,从空间和通道两个维度提升注意力的建模能力,捕获全局结构信息。在InfAR和IITR IAR数据集上的实验结果表明,该方法在红外视频行为识别中的有效性。     

改进的迭代式TOD混沌跳频序列产生算法

针对周期抽取法构造的混沌跳频序列在均衡性方面缺陷,提出了利用周期抽取与多比特抽取结合法产生迭代式TOD混沌跳频序列,理论分析及仿真结果表明,该方法构造的贝努利随机序列,具有很好的均衡性、动态特性、汉明相关性等性能,相对于多值量化与比特抽取相结合法减少了运算量,便于增加跳频序列的复杂度。     

关节点时空信息融合降维的人体动作识别方法

基于二维卷积神经网络(2DCNN)和三维卷积神经网络(3DCNN)的人体动作识别方法都存在运算量较大的问题,提出了关节点时空信息融合降维的人体动作识别方法(Joint-trajectory).首先,采用高分辨率网络(HigherHRnet)提取视频每帧图像中人体各个关节点的空间坐标信息,构建单帧图像中人体关节点空间信息...