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.     

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。     

基于动作图像特征的人体运动行为挖掘算法

研究人体行为图像特征识别问题,在人体动作图像中存在大量的和真实行为无关的掩饰动作特征,掩饰动作的存在会大大干扰人体真实行为特征,造成行为真实特征关联的减弱,形成干扰.传统的关联特征挖掘方法在关联干扰的情况下,很难建立准确的行为特征对应空间,使得关联性发生混乱,造成行为特征挖掘错误.提出了一种采用动作特征人体运行行为挖掘算法.利用黄金分割方法,计算动作特征的权值比重,从而删除冗余特征,为人体行为挖掘提供准确的数据基础.利用非线性分类函数,对人体行为特征进行分类,从而实现人体运动行为的挖掘.实验结果表明,利用改进算法能够有效提高人体运动行为识别的准确性,从而有效地对人体运动行为进行有效识别.     

复杂场景下的人体行为识别研究新进展

人体行为识别是计算机视觉的研究难点和热点,主流的研究框架包括行为特征提取、人体行为表示和识别算法3个方面,目前简单场景下的人体简单动作的识别已基本得到解决,而复杂场景下的行为识别仍面临很多困难。对近几年人体行为识别的发展做了比较详细的研究,从人体行为识别的研究范畴、特征提取以及行为模型等方面综述了目前复杂场景下人体行为识别的研究方法。与已有的相关综述文献不同的是,文中结合了近三年国内外人体行为识别领域中新的研究热点和成果,如姿态特征的提取和表示、基于稀疏编码和卷积神经网络的人体行为表示方法等。最后阐述了该领域目前存在的困难以及可能的发展趋向。     

基于主题隐马尔科夫模型的人体异常行为识别

针对基于监控视频的人体异常行为识别问题,提出了基于主题隐马尔科夫模型的人体异常行为识别方法,即通过无任何人工标注的视频训练集自动学习人体行为模型,并能够应用学到的人体行为模型实时检测异常行为和识别正常行为。这一方法主要围绕"低层视频表示-中层语义行为建模-高层语义分类"3个方面进行:1)基于时-空间兴趣点构建了一种紧凑的和有效的视频表示方法。2)提出一种新颖的语义主题模型(Topic Model,TM)——主题隐马尔科夫模型(Topic Hidden Markov Model,THMM),它能够自然地分组视频中检测到的人体行为。主题隐马尔科夫模型基于已有的马尔科夫模型和主题模型构造,不但聚类运动词汇成简单动作,而且聚类简单动作成全局行为,同时建模了行为时间上的相关性。THMM是一个4层贝叶斯主题模型,它将视频序列建模为行为的马尔科夫链,同时行为是视频序列中某些视频剪辑(Clip)的概率分布;将视频剪辑建模为动作的随机组合,同时动作是视频剪辑中运动词汇的概率分布。克服了传统隐马尔科夫模型和主题模型在人体复杂行为建模过程中精度、鲁棒性和计算效率上的不足。3)提出运行时累积的异常性测度及其在线异常行为检测方法和基于在线似然比检验(Likelihood Ratio Test,LRT)的实时正常行为分类方法,从而克服了实时行为识别过程中由于缺乏充分的视觉证据而引发的行为类型歧义,能完较好地完成监控场景中实时异常行为检测和在线正常行为识别的任务。取自实际监控场景的实验数据集上的实验结果证明了本方法的有效性。     

运动员三维运动图像姿态参数测量的仿真分析

研究运动员运动中的三维图像姿态参数准确测量问题.运动过程中,人体的关节运动程度较为复杂,并且运动速度很快,关节间的细微变化角度很难运用固定的约束算法进行约束.传统的三维运动图像建模运用固定约束模型,很难对上述动态小区域变化进行描述,导致对细微运动姿态的测量效果不好.提出一种运动员三维运动姿态测量方法,通过对人体运动参数进行优化,把运动参数的约束优化问题看成一个非线性求解最小化的问题,运用L-M运动约束参数提供快速收敛的正则化方法,求取非刚体三维运动时的运动参数和结构参数矩阵,完成运动三维参数测量.仿真结果表明,上述方法可以高精度测量运动员的三维运动参数,提高参数测量精度.     

基于语义模型的人运动图像跟踪

计算机视觉研究中，为了实施对人运动图像的跟踪，本文提出了基于变化区域的对象刚体标注法和语义模型跟踪法，通过对标注的刚体特征点在空间位移的估算，结合特征点在水平面上投影所形成的特征码来构成刚体的运动语义数学模型，从语义模型来计算特征点的运动位置，从而实现对人运动的跟踪，对于人的复杂运动描述也具有参考价值。     

在康复理疗系统中基于人体部位的多人检测跟踪方法

针对在当前康复理疗系统中人体跟踪存在的问题,需要实时观测被监视场景中的运动目标,分析描述他们的行为,通过对人体行为的理解和判断,才能得到相应的结论并做出相应的决策。提出一种基于人体部位的支持向量机分类器的方法,实现人体跟踪。这种方法能够捕捉在人体姿态和背景变化时的人体关节部位,利用训练的人体部位模型能够在人相互遮挡时正确检测人体部位。在检测阶段,选择一个人体部位子集,最大限度地提高检测概率,大大提高了在多人场景中的检测性能。在跟踪阶段,利用SVM分类器实现人体的有效跟踪。实验表明该方法能够在人体相互遮挡情况下,正确检测和跟踪人体。     

关键语义区域链提取的视频人体行为识别

目的 视频中的人体行为识别技术对智能安防、人机协作和助老助残等领域的智能化起着积极的促进作用,具有广泛的应用前景。但是,现有的识别方法在人体行为时空特征的有效利用方面仍存在问题,识别准确率仍有待提高。为此,本文提出一种在空间域使用深度学习网络提取人体行为关键语义信息并在时间域串联分析从而准确识别视频中人体行为的方法。方法 根据视频图像内容,剔除人体行为重复及冗余信息,提取最能表达人体行为变化的关键帧。设计并构造深度学习网络,对图像语义信息进行分析,提取表达重要语义信息的图像关键语义区域,有效描述人体行为的空间信息。使用孪生神经网络计算视频帧间关键语义区域的相关性,将语义信息相似的区域串联为关键语义区域链,将关键语义区域链的深度学习特征计算并融合为表达视频中人体行为的特征,训练分类器实现人体行为识别。结果 使用具有挑战性的人体行为识别数据集UCF （University of Central Florida）50对本文方法进行验证,得到的人体行为识别准确率为94.3%,与现有方法相比有显著提高。有效性验证实验表明,本文提出的视频中关键语义区域计算和帧间关键语义区域相关性计算方法能够有效提高人体行为识别的准确率。结论 实验结果表明,本文提出的人体行为识别方法能够有效利用视频中人体行为的时空信息,显著提高人体行为识别准确率。     

基于OPENGL的人体姿态数据仿真

依据人体的关节连接体层次结构,将各肢体抽象为简单的刚性几何实体,构建了人体骨骼模型,通过定义人体坐标和肢体局部坐标及其相互间的变换,描述了人体骨骼模型中各关节之间的相对位置和姿态的变化.详细论述了应用D-H方法分析人体上肢运动模型的方法,最后利用VC++构建了基于OpenGL技术的虚拟人体运动程序.该应用程序可以在虚拟环境中载入、驱动并显示一个三维虚拟人.它能够灵活的利用采集得到人体运动数据驱动虚拟人,可以应用于医学仿真、智能人机交互等领域.     

基于连续视差图差分算法的运动人体检测方法研究

运动人体的分析技术是计算机视觉技术的重要研究领域之一,主要研究内容包括运动人体的检测、跟踪、理解和描述。运动人体检测就是在视频序列中将运动人体区域从复杂的背景中提取出来。本论文采取了一种基于连续视差图差分算法的检测方法,即先估计相邻两帧的全局运动模型参数来对参考图像帧视差图做全局运动补偿,对相邻两帧视差图进行差分,再将差分图像进行二值化处理、形态学滤波和连通分量提取并去掉一些较小的连通区域,从而得到准确的运动人体区域。通过实验验证,该方法可以获得准确的运动人体检测结果,并在检测精度和检测速度之间取得了平衡。     

基于共形几何代数的三维人体骨架运动序列

为了解决虚拟试衣中人体模型可以动态展示服装效果的问题,提出三维人体骨架动态建模。在基于三维人体模型的骨架自动提取的基础上,采用共形几何代数方法描述人体关节点的运动并通过相邻关节点的位置变化表达不同的人体动作。用关键帧插值法实现人体姿态的序列动作,选择螺旋运动算子实现了基于2D视频图像的3D人体骨架姿态的参数估计,建立了骨架运动模型。三维人体骨架模拟视频动作证实了该方法的高效性。     

人体运动检测及仿真系统的研究与实现

本文实现了一种基于计算机视觉技术的人体运动捕获方法,以简单的摄像头录制的单视图视频作为素材,从图像序列中提取并描述人体轮廓的运动,然后对其进行识别,捕获得到人体运动骨架模型,最后利用三维虚拟人进行三维仿真。     

适用于单目视频的无标记三维人体运动跟踪

在无标记人体运动跟踪过程中,由于被跟踪目标缺乏明显的特征以及背景复杂而使得跟踪到的人体运动姿态与真实值偏差较大,不能进行长序列视频跟踪.针对这一现象,提出一种基于形变外观模板匹配进行单目视频的三维人体运动跟踪算法,其中所用的人体外观模型由三维人体骨骼模型及二维纸板模型组成.首先根据人体骨骼比例约束采用逆运动学计算出关节旋转欧拉角;然后利用正向运动学求得纸板模型中像素在三维空间中的坐标,将这些像素根据摄像机成像模型投影到二维图像中得到形变外观模板;最后采用直方图匹配得到人体运动跟踪结果.实验结果表明,该算法对于一些复杂的长序列人体运动能够得到较为理想的跟踪结果,可应用于人机交互和动画制作等领域.     

人体检测部分响应特征映射的人体动作识别

在计算机视觉和多媒体领域,利用视觉信息进行语义层面人体运动分析非常重要且具有挑战性.提出一种利用检测信息的底层响应来描述人体动作的语义信息方法.在特定的人体动作下,可变形部分模型的检测结果隐含人体部分的关键信息,可以形成人体动作识别的特征.利用检测器的滤波器响应生成人体描述特征,对人体整体和部分的位置以及表观信息进行编码,由于该特征利用了人体部分相对于整体位置的统计信息,对检测过程中的误检部分具有较强的鲁棒性,基于该特征可将人体检测和动作识别融合成统一框架.在3个数据库上的实验结果显示了方法的有效性,取得了与其他方法相近或者更优的效果.     

人体上肢外骨骼仿生结构及动作特征分析

人体上肢骨骼较为复杂,关节众多,包括腕关节、肘关节、肩关节和上肢带关节等,针对人体上肢骨骼的运动特征,分析作用于骨骼的肌肉和肌腱的功能,以此为仿生模型,采用Pro/E软件建立外骨骼上肢模型的三维仿生结构模型,并对其动作特性研究。     

基于姿态时空特征的人体行为识别方法

为了高效、准确地获取视频中的人体行为和运动信息,提出一种基于人体姿态的时空特征的行为识别方法.首先在获取视频中各帧图像的人体关节位置的基础上,提取关节信息描述姿态变化,具体包括在空间维度上提取每帧图像的关节位置关系、时间维度上计算关节空间关系的变化,二者共同构成姿态时空特征描述子;然后利用Fisher向量模型对不同类型的特征描述子分别进行编码,得到固定维度的Fisher向量;最后对不同类型的Fisher向量加权融合后进行分类.实验结果表明,该方法能够有效地识别视频中的人体复杂动作行为,提高行为识别率.     

单目视频中人体三维运动的迭代优化估计

提出并实现了一种从单目视频流中重建人体三维运动的方法．该方法通过交互定制得到个性化的人体骨架模型和视频序列每一帧中人体各关节点的二维坐标后,分别针对单帧和连续多帧进行优化并迭代求解,得到每一帧的比例因子的最优解;最后反求各关节点的三维坐标,重建人体三维运动序列．对包含复杂和快速多变的人体运动的视频进行的实验表明,该方法简单有效,适用于包括体育、影视等在内的实际视频源．     

基于异构特征组效应的图像人物和动作标注方法

从图像伴随文本中选择合适动词去描述图像中人物动作对于理解图像语义具有重要意义.现有方法通常学习得到表示图像人物和运动与其标注名词-动词之间概率的生成模型,然后使用这一得到的生成模型对训练集以外图像中人物运动进行识别.但是,这一方法忽略了图像中高维异构特征之间固有存在的组效应.实际上,不同类型异构特征在图像语义理解过程中具有不同区别性,例如手臂特征对人挥手这一动作最具有区别性.为了识别图像中人物运动进而对其进行标注,提出了通过Group LASSO 从高维异构姿势特征中选择最具区别性特征,最终学习得到生成模型的方法.实验结果表明,该方法对姿态变化较大动作进行识别时取得了更好结果.     

维修技术指令的验证仿真

该文研究了用人体结构模型验证飞机维修程序的可行性，介绍了使用参数化行为描述和多重模型的仿真方法。参数化行为描述是以动画人体结构模型(HFMs)，通过CAD技术模拟人体各个部位的维修动作，它支持自然语言的理解。多重模型是指仿真对象具有几何外观和非几何领域的行为属性。将编写的维修技术指令分解为简单的行为，进行程序的仿真。在统一的界面下，封装多重模型的同步机制。通过维修程序与相应行为的比较，可以方便地判断程序是否安全、符合逻辑，以及能否完成。