基于Kinect深度信息的人体运动跟踪算法

大多数人体跟踪算法鲁棒性不高的主要原因是对人体的颜色特征进行跟踪,针对此问题设计了基于Kinect深度信息的人体运动跟踪算法。通过分析Kinect获取的深度图信息来对人体轮廓进行区分判定,提取前景目标区域以及计算目标区域的深度直方图。通过对深度直方图进行分析去除背景区域部分,根据获取的深度直方图求取跟踪图像的深度反向投影;最后结合Camshift算法确定当前选取目标区域的尺寸和中心位置来进行对人体的实时跟踪。实验结果表明,该算法提取的目标特征具有较强的鲁棒性,避免了光照变化和背景相似情况下的不稳定问题,能实现复杂场景下的人体目标跟踪。     

基于游程与轮廓跟踪的连通区域标记改进算法

为了进一步提高连通区域标记的效率,提出了一种改进的基于游程与轮廓跟踪技术相结合的连通区域标记算法。该算法首先判断当前前景像素点是孤立点还是轮廓点,然后判断是外轮廓还是内轮廓,并用相应的轮廓标记算法对其进行标记,最后用游程标记方法对本行中剩余的前景像素进行标记,整个过程无需等价表,耗时较少。实验证明,改进后算法的标记效率提高大约24.5%。     

轮廓跟踪在图纸数字化中的应用

图纸数字化就是把扫描后的图纸(图像)转换为像素来表示,图像转换的好坏直接取决于图纸轮廓线的跟踪效果,轮廓跟踪就是描绘出二值图像中不同区域的轮廓线,在轮廓跟踪之前先进行区域标记,轮廓跟踪效果的好坏有两个因素决定;第一是轮廓线起始点的选取,它会直接影响到跟踪效果的复杂度,第二是跟踪准则选取,它既要便于理解和分析,又要便于程序的设计。     

基于连通区域标记的区域填充算法

针对图像中外形复杂的区域难以填充问题,提出一种基于连通区域标记的区域填充算法对复杂区域进行填充。该算法首先利用连通区域标记实现对二值图像的分区标记,其次对标记矩阵L最大行(列)、最小行(列)上的元素进行检测,最终通过对检测到的区域结果对错误填充的部分求反,实现区域填充。相比扫描线填充算法,该算法无需对边界进行跟踪和复杂分类,填充效果更为理想。与种子算法相比,该算法不存在重复填充,无需进行颜色标记,同时处理速度更快。通过MATLAB实验证明,基于连通区域标记的区域填充算法可以填充外形任意复杂的区域,且填充效率高,精度高等特点,适用于超大分辨率图像的填充,为填充复杂区域提供了一种新思路。     

一种基于标记点的人体上肢运动检测方法

采用基于普通摄像机的多维摄像分析系统对人体运动参数进行测量，需要研究位于人体上相应部位的标记点与选定的参考坐标系之间的关系，进而得到标记点在参考坐标系中的运动特性，并对人体运动进行评估。本文通过对人体上肢运动模型的研究，并结合摄像测量系统，给出了一种基于普通摄像机的人体上肢运动参数求解方法。     

基于核密度估计的遮挡人体跟踪

充分利用空间、颜色、运动等信息对图像进行块建模、颜色建模和运动建模.通过混合高斯建模法,将运动人体的前景信息提取出来;基于Epanechnikov核密度梯度估计算法,对存储模型中的人体进行聚类,实现块建模;采用非参数的核密度估计算法和基于高斯分布的运动建模,分别获取颜色密度函数和运动密度函数,并利用颜色密度函数和运动密度函数对当前帧的前景区域进行后验概率估计,以获取后验概率图像,根据对该图像中遮挡人体进行分割以实现人体目标的跟踪.实验结果表明:基于核密度估计的遮挡人体目标跟踪算法有效地解决了遮挡人体目标跟踪问题.     

基于图像的三维人体特征参数提取方法

为了解决三维人体建模中人体参数和尺寸提取的问题,提出基于图像的人体特征参数提取方法,进而对人体图像的各特征区域进行定位,并给出计算流程.对采集的图像进行预处理,再对人体正面和侧面图像特征点进行识别,从而识别出人体特征区域,提取出人体特征尺寸.阐述用模型法和参照法计算特征尺寸的方法与原理,推导出由图像像素计算特征尺寸的公式,分析模型法和参照法的优缺点,并结合两者的优点,提出模型参照法特征尺寸计算方法.利用实际采集的图像,根据模型参照法进行人体参数提取,结果表明,该方法能够方便、准确地从用户照片得到人体特征参数.     

三维人体运动跟踪中形状特征表述重建

针对在重建三维人体运动跟踪形状特征时,人体运动姿态重建结果与真实值具有较大偏差且不能长时间有效跟踪的问题,提出基于联合优化法的三维人体运动跟踪形状特征表述重建方法.采用POCS算法将三维人体运动跟踪中的形状捕捉问题转换为正则规划问题,实现对三维人体运动跟踪中的形状捕捉.采用Bayes理论统计估计方法,将捕捉到的形状数学建模问题转化为目标函数最大化问题.采用Fisher线性判别分析法对三维人体运动跟踪中的形状特征点进行自动定位,利用联合优化法重建已经定位的形状特征表述.结果表明,所提方法可以有效捕捉三维人体运动跟踪中的形状特征,且重建精度较高,准确性较好.     

基于MATLAB的人体膝关节运动捕捉测量与分析

采用MATLAB软件对人体膝关节的运动进行分析处理。首先,编写程序处理运动捕捉测量的人体下肢标记点坐标数据,并进行插值修补;其次,根据所得到的人体下肢运动过程骨性标记点的坐标数据,利用骨性标记点建立人体股骨和胫骨局部坐标系;最后,通过坐标变换,计算人体下肢运动中膝关节股胫关节的屈曲伸展、内收外展和内外旋。对健康志愿者的下蹲和上楼梯动作进行运动捕捉测量,应用所设计的方法对获得的人体膝关节运动数据进行计算分析,验证该方法的可靠性和准确性。结果表明,采用MATLAB软件编程处理的方法,能够快速、准确地对人体膝关节运动数据进行处理,并得到人体膝关节股胫关节的运动学特性,这为人工膝关节假体的设计与优化提供了参考。     

一种基于RGB-D的人体关节点定位方法

提出了一种基于RGB-D的人体关节点定位方法:对kinect获取的深度图像滤波膨胀细化处理得到人体骨架线,根据角点检测算法得到人体骨架线的端点及折点,然后利用运动目标的跟踪算法对彩色图像中的人脸部跟踪定位,最后结合人体各刚架比例关系,定位出人体的15个关节点.试验结果表明,与直接根据人体各刚件比例关系定位关节点的方法相比,此方法的关节点平均定位准确率提高了7%,其中头节点定位准确率提高了42%.     

多颜色标记三维定位以及标记点稳定性研究

在基于颜色标记的手部识别以及运动跟踪的过程中,由于背景及噪声的干扰,二维图像点坐标会发生波动,产生误差,导致由二维图像坐标计算手部三维坐标的过程中,静止状态下的带标记的目标在虚拟环境中会发生抖动。采用自适应分块区域增长法跟踪颜色标记,获得标记点区域范围,在该范围内进一步采用局部Hough变换精确定位颜色标记。实验证明,该方法在不降低亚像素精度的前提下,可以稳定定位手部标记点,且具有先验知识的局部Hough变换,在克服已有Hough变换不足的同时,能有效提高定位精度。     

多摄像机间基于最稳定极值区域的人体跟踪方法

为实现多摄像机视频监控系统中的人体跟踪,提出了一种以最稳定极值区域作为匹配特征的人体跟踪方法.该方法使用图像的灰度信息,在一定程度上减小了摄像机增益及光谱特性对人体跟踪造成的影响.通过把人体跟踪转化为椭圆形区域的匹配,算法将最稳定极值区域拟合成椭圆形区域,在此基础上,选出符合约束条件的候选椭圆形区域,并将其归一化为单位圆形区域,通过在圆形区域内计算旋转不变量、进行直方图密度估计和计算加权平均距离实现椭圆形区域的正确匹配,从而实现多摄像机间的人体跟踪.实验结果表明:该算法可有效实现多摄像机间的人体跟踪.     

轮廓跟踪与边沿检测的图像自动识别

讨论了轮廓跟踪和边沿检测两种技术在图像自动识别中的应用,指出检测后的边缘点不一定都在图像的边界上,会影响下一步的分析和处理,需要进行轮廓跟踪来将边缘点连成一条连续的边界.提出了一种轮廓跟踪的详细算法,通过寻找适当的起始点坐标,解决了图像边缘点被错误提取的问题.     

飞行蝙蝠标记自动提取与追踪算法

蝙蝠对仿生扑翼飞行器研究具有重要启发价值。通过计算机视觉方法分析蝙蝠运动需要大量特征标记,因此准确提取、追踪标记是蝙蝠飞行研究的关键。常用的底层特征提取方法将局部极值作为特征点容易导致较高的标记错检率。提出一种基于图像分割的标记提取方法。通过帧间差分获取初始蝙蝠区域,对伪装区域进行补偿,利用LoG算子进行标记增强,并通过阈值分割得到标记,计算标记质心作为特征点。提出一种基于迭代最近点的标记追踪方法,将蝙蝠划分为不同区域并对区域内标记点进行点集粗配准,通过最近邻搜索完成匹配。试验结果表明,算法的标记识别率能够达到96%并实现无遮挡情况的标记追踪,优于SIFT、BRISK等特征匹配方法以及光流追踪方法。     

基于三维激光雷达的动态障碍实时检测与跟踪

为了解决在大数据量的情况下实现高效检测与跟踪的难点,提出一种室外动态未知环境下自主车的多障碍实时检测与跟踪的算法.由于Velodyne 64线三维激光雷达具有数据量大、精度高等特点,采用其与相机结合感知环境.算法结合从图像处理中得到的道边信息将原始激光雷达数据的感兴趣区域转化为栅格地图,在地图上采用区域标记和模板匹配的方法进行聚类和特征提取,检测得到盒子模型的障碍物,并进行障碍物跟踪.为了避免在多障碍物的情况下出现虚警和漏检,基于多假设跟踪数据关联和卡尔曼滤波来跟踪连续多帧的障碍物.本算法在自主车平台上能够以每帧100 ms实现准确、稳定地检测和跟踪.     

融合图像深度的抗遮挡目标跟踪算法

由于视频信息的局限性,在遮挡情况下的目标跟踪依然是一个很难解决的问题.针对目标跟踪过程中的遮挡问题,提出将图像深度引入单目标跟踪算法.首先应用单目图像深度估计算法对图像进行深度估计,获取图像的深度信息;其次,将基于孪生区域推荐网络的目标跟踪算法与图像深度相结合,构建遮挡判别模块,利用目标深度信息的变化判断遮挡情况;最后...     

基于均值偏移粒子滤波的自适应跟踪

针对视频中运动人体的跟踪,提出了一种基于均值偏移粒子滤波的自适应跟踪算法。该算法首先对所要跟踪的人体目标进行分块,并选择与周围环境颜色相似度最小的块模板作为跟踪区域;然后使用基于均值偏移的粒子滤波方法进行跟踪,并设计了自适应更新块模板尺度的方法;最后在粒子滤波的状态估计阶段后,加入自适应观测模型,根据块模板尺度的变化情况,自适应地选择高斯噪声方差和粒子数目。实验证明,在出现遮挡或人体运动方向改变的情况下,本文算法的跟踪效果比传统均值偏移粒子滤波更好。     

结构化道路车道线的鲁棒检测与跟踪

针对智能车在视觉导航过程中车道线检测的鲁棒性和实时性问题,提出一种适用于结构化道路的车道线鲁棒检测与跟踪方法。首先,简化的Sobel算子提取车道线边缘图像,将边缘图像与改进的Otsu方法得到的车道线分割图像进行融合,实现对车道线标记点的鲁棒检测;然后,采用迭代最小二乘方法拟合车道线标记点并去除干扰点,并根据拟合参数建立车道线模型;最后,引入尺度无迹卡尔曼滤波(SUKF)对车道线进行跟踪。通过对多段实地采集的视频进行了仿真实验,结果表明,该方法对于高速公路车道线的检测率可达到99%,并具有较好实时性能;对于受损和弄污的城市道路车道线也体现出较好的鲁棒性和时间性能。     

一种基于TOF相机的人头检测算法研究

针对传统的人头检测算法很难解决公交车上乘客拥挤、穿戴衣帽复杂及光照变化对客流量统计造成影响的问题,本文提出一种新的结合梯度分层的最大稳定极值区域(maximally stableextreme regions,MSER)检测算法。首先对深度图像进行形态学处理,使用结合梯度分层的MSER进行分割,利用面积与深度均值关系对区域点集进行筛选,最后利用圆形标识对符合条件的人头区域进行标记,并将该算法在公交车上进行测试实验。实验结果表明,该算法检测识别率达到98%以上,有效解决了人群拥挤、车内光照变化等诸多问题对统计的影响。该研究满足实时性要求,具有一定的应用价值。     

基于观测器的感应电机的位置跟踪控制

根据Kokotovic的backstepping设计方法,结合Lyapunov稳定性分析,为感应电机的全阶,非线性动态模型设计一个基于转速和转子磁链观测器的位置跟踪控制方案,仿真结果表明,该设计方案在解决速度测量与转速测量问题的基础上,实现无奇异点全局渐近位置跟踪控制。