运动图像序列的人体三维运动骨架重建

在计算机视觉领域 ,人体运动分析的研究具有相当广泛的应用前景 .由于人体运动的复杂性 ,已有的研究方法都对研究对象——人体 ,加上了许多限制条件 .文中提出了一种新的方法来获得各类人体运动的信息 .文中主要论述了该方法中对人体三维运动骨架的重建部分 ,其基本思想是在摄像机定标的基础上 ,应用三维人体模型知识和运动连续性依次建立每个图像的人体运动骨架 .最后给出了实验结果     

一种基于RGB图像的复杂背景下的运动检测方法

在计算机视觉领域，人运动的视觉分析的研究具有广阔的应用前景，实时分割出运动的人体是研究起始的关键。然而由于人运动的复杂性，已有的研究方法对运动的人体和背景加了诸多的限制条件。本文提出了一种新的方法。该方法不对运动的人体和背景做限制，利用基于彩色RGB图像的背景减除法来获取运动人体目标的提取。     

基于结构模型的人运动图像语义描述

人运动图像语义的研究是对人运动图像中人体运动行为的一种描述方法,通过其语义来实现图像的识别与检索。该文希望通过对人体运动的几种较为简单的动作语义的研究,来开启对人运动图像语义的全面研究。为了实现该目标,提出了基于模型的人运动图像的语义描述,即模型语义,模型语义具有直观性、推导性和可行性。通过定义基本模型和语义操作规则,建立一个语义的形式描述理论,此模型语义是人运动图像语义全面研究的基础。     

人体骨架模型的建立

人体运动分析在计算机视觉研究领域中具有广泛的应用前景。人体骨架包含了很多的人体运动信息,且简单明了,所以对人体骨架提取具有很重要的意义。本文提出了一种人体骨架模型的建立方法,该方法在骨架提取方面有较强的去噪和抗干扰能力,有很好的鲁棒性,可提取更加有效的骨架图像,进一步结合人体解剖学的基础,建立了人体骨架模型,为人体特征识别(HID)和运动人体的实时追踪打下了坚实的基础。     

运动员动态图像三维仿真技术研究

研究运动员运动图像三维仿真的真实性问题.运动员进行不同的运动项目时,关节所成的角度,运动速度有差异,造成不同部位在空间上会出现严重的视觉遮挡,发生特征点的重叠和丢失,造成运动员形状基计算不准确.传统的人体运动重建算法,都是以人体形状基个数为基础,没有考虑形状基计算错误带来的重建特征点缺失问题,造成仿真效果较差.提出了一种改进因式分解的人体运动图像三维动态仿真算法.运用光流体的概念合理的计算运动中的形状基个数,对形状基的数量进行约束性计算,从而实现人体运动图像序列中的三维动态仿真建模.实验结果表明,改进算法提高了人体运动图像序列三维动态仿真的真实性.     

基于三维图像动作识别算法研究

人体运动时的行为特征具有多样性和复杂性,无法采用精准的形状基描述人体行为的不确定性,进而无法构建人体三维运动模型,不能对人体三维图像动作进行准确的识别.传统方法假设人体运动的形状基数量稳定,人体运动行为具有复杂的形变特征,导致形状基参数出现波动,采用固定的形状基无法准确分析人体的复杂运动特征,使得人体三维图像动作识别存在较大的误差.提出一种Murkowski距离三维图像动作识别算法,依据人体运动时的物理特征将人体运动结构形状基参数处于Murkowski距离约束条件下,采用非线性优化方法进行求解获取人体三维行为特征,获取人体行为三维模型,进而实现对人体行为的准确判断.实验结果表明,改进算法能够对人体三维图像动作进行准确的识别,并且具有较高的精准度.     

彩色图像序列中运动人体轮廓提取

在视频序列的人体运动分析中,实时提取出运动人体轮廓,是很多研究起始的关键步骤.而彩色图像由于具有比灰度图像更多的视觉信息,受到了越来越多的重视.采用了一种新的色彩背景模型;运用改进的背景差分方法在复杂背景下获得运动人体的轮廓.实验结果表明上述算法对噪声抑制和人体图像断裂处填充都是有效的,在目标物是运动物体,且背景绝大多数均为静止时,该算法适用,能够实时提取出运动人体的轮廓.     

基于序列图像的人体跟踪算法研究综述

为了综述目前基于序列图像的人体跟踪算法的研究现状,将人体跟踪问题分为人体运动目标检测与跟踪两部分分别加以讨论,系统地总结和介绍了目前人体检测与跟踪算法的研究技术和最新进展,比较了各种跟踪方法的优劣并总结了跟踪方法常用的搜索策略.针时人体跟踪算法中的难点问题进行了专门讨论,通过总结近几年相关文献对人体跟踪算法研究方向进行了展望.     

无标志的人体步行腿部骨架检测与跟踪

在计算机视觉领域,人体运动分析的研究正因其广泛的应用前景而越来越受到研究者的重视。对于单目图像序列的人体运动跟踪,现有的方法大多需要进行人工干预,或者在身体上附着标志物,或者对第一帧图像进行手工标记。本文针对这一问题,提出一种简单而有效的自动检测人体腿部骨架的算法,该算法不需要任何人工干预,继而在传统的运动建 模及矩形块RGB颜色匹配的基础上,提出一种圆周相交定点算法,结合踝关节的运动预测对获取的腿部骨架进行跟踪,有效地解决了两腿的自遮挡问题。论文最后给出了跟踪的实实验结果。     

基于逆运动学的人体步态特征提取

近年来，人体运动分析成为了计算机视觉和图像处理技术中的一个最活跃的研究课题。其研究在虚拟现实、智能监视系统、高级用户接口、运动分析和基于模型的图像编码等方面具有广阔的应用前景。该文提出了一种基于逆运动学的方法来提取人体步态特征的运动分析方法，对于每个图像序列，先采用背景减除算法检测行人的运动轮廓，然后根据人体运动的特点，寻找每帧图像中人体踝关节的位置，通过得到的踝关节位置使用逆运动学的方法来预测其他关节点位置，通过实验发现，这种方法在提取步态特征中取得了很好的效果。     

运动平台下基于MAX金字塔和仿射运动的红外图像目标检测方法

针对运动平台下红外图像目标的检测,提出一个基于MAX金字塔和仿射运动模型的检测方法。表达图像信息的数据结构是成功地进行图像处理的关键,根据红外图像的特点,适应实时处理的要求,构造了一个新的图像金字塔结构--MAX金字塔。该金字塔的特点是速度快、易于用逻辑电路实现。用仿射运动模型描述平台的运动,通过基于MAX金字塔的仿射运动估计和对准,清除图像中平台的自运动信息。在残留图像中获得当前目标并补偿了平台运动后前一帧图像中目标的位置,从而检测出当前目标的位置和运动距离。     

基于计算机视觉的人运动捕获综述

人体运动的捕获是计算机视觉领域的热点之一，它是指从大范围上从图像序列中提取并描述人体轮廓的运动，然后对其进行跟踪识别。介绍了运动捕获的潜在应用，从初始化、检测、跟踪、姿态评估、识别5个方面分析了有关运动捕获的分类及研究现状，最后简要探讨了该领域面临的难点问题及发展趋势。     

A psychophysical study of improvements in motion‐image quality by using high frame rates

Abstract— The ideal frame rate for the highest motion‐image quality with respect to blur and jerkiness is presented. In order to determine the requirements for avoiding these impairments, motion images from a high‐speed camera and computer graphics were combined with a high‐speed display to perform a psychophysical evaluation. The camera, operating at 1000 fps, and image processing were used to simulate various frame rates and shutter speeds, and a 480‐Hz CRT display was used to present motion images simulating various frame rates and time characteristics of the display. Subjects were asked to evaluate the difference in quality between motion images at various frame rates. A frame rate of 480 fps was chosen to be an appropriate reference frame rate that, as a first estimation, enables coverage up to the human‐dynamic‐resolution (HDR) limit based on another experiment using real moving charts. The results show that a frame rate of 120 fps provides good improvement compared to that of 60 fps, and that the maximum improvement beyond which evaluation is saturated is found at about 240 fps for representative standard‐resolution natural images.     

一种基于运动边缘检测的视频对象分割新算法

利用人眼对运动(时间梯度)和边缘(空间梯度)都特别敏感的视觉特点，把帧间运动变化检测和图像的边缘检测结合起来，提出一种新的运动视频对象分割算法．通过帧间差快速得到运动物体的大致位置，形成差分模板，然后通过边缘检测在差分模板中确定物体的准确边缘，并形成边缘模板．在边缘模板的基础上，利用二值图像下的收缩型活动轮廓算法，可以方便地得到视频对象(VOP)的闭合轮廓曲线(以便进行编码传输和基于形状的检索)．同时，设置模板缓冲区以记忆前一时刻的分割结果，从而弥补当前帧的不完整性．该算法对目标的整体运动和局部形变都有较强的适应性，且具有自动消除显露背景以及多目标自动分割包围的能力．     

Effects of motion image stimuli with normal and high frame rates on EEG power spectra: comparison with continuous motion image stimuli

The human electroencephalographic (EEG) power spectra when viewing visual stimuli of a real motion image and of motion images with 60 frames/s (fps) and 240 fps were investigated. The EEG spectra in response to the 240 fps motion image stimuli were more similar to those of the real motion image stimuli than those of the 60 fps stimuli. This high frame rate (240 fps) motion image is considered to have a possibility of providing perceptions of motion image quality that are close to the impression upon looking at real world scenes.     

Multiresolution image motion detection and displacement estimation

A motion vision system is developed in which a moving object can be detected and image displacement can be estimated based on human visual characteristics and use of a multiresolution image. The system consists of four parts: (1) Temporal gradient, logic AND, and dynamic thresholding operations are used to obtain the primary mask. (2) A region growing algorithm is applied. (3) A hierarchical object detection algorithm is used to identify image patterns. (4) Displacement of the image is estimated by breaking each frame of the motion sequence into local regions (edges). A search is undertaken to discover how the image pattern within a given region appears displaced. This search takes the form of motion channels, the output of which are used to obtain the estimation of displacement. A correlative measure is proposed to match the patterns.     

投票表决算法在高帧频图像处理中的应用

针对目前高帧频图像处理方法中软件速度慢、实时性差、专用硬件开发周期长、灵活性差等缺陷,开发完成了基于FPGA的高帧频图像硬件实时处理系统。该系统采用投票表决算法,压缩了存储和处理的数据量,充分发挥FPGA器件的并行特性,使图像采集与图像处理并行完成,提高了图像处理速度。系统已成功应用于高速轨道检测车的钢轨断面图像实时动态处理和分析。     

基于局部姿态先验的深度图像3D人体运动捕获方法

提出一种基于局部姿态先验的从深度图像中实时在线捕获3D人体运动的方法.关键思路是根据从捕获的深度图像中自动提取具有语义信息的虚拟稀疏3D标记点,从事先建立的异构3D人体姿态数据库中快速检索K个姿态近邻并构建局部姿态先验模型,通过迭代优化求解最大后验概率,实时地在线重建3D人体姿态序列.实验结果表明,该方法能够实时跟踪重建出稳定、准确的3D人体运动姿态序列,并且只需经过个体化人体参数自动标定过程,可跟踪身材尺寸差异较大的不同表演者;帧率约25fps.因此,所提方法可应用于3D游戏/电影制作、人机交互控制等领域.     

图像运动模糊还原技术综述

图像作为人类信息交流的载体,包含大量信息元素,图像在获取过程中,会因相机抖动、物体位移等原因产生运动模糊,导致图像无法正确传递信息。图像运动模糊还原技术可将此类退化图像修复还原,是当前计算机视觉及图像处理领域的热点。通过模糊核是否已知将图像运动模糊还原方法分为两类,详细阐述了图像运动模糊还原的概念,归纳梳理了近年来图像运动模糊还原技术的方法及研究现状,总结了各方法的优缺点并对经典方法实验结果进行了对比,对模糊核估计及模糊数据集等关键问题进行了分析并对其发展方向给出了建议,最后对图像运动模糊还原技术发展趋势进行了展望。