一种姿态无关的人体模型骨骼提取方法

随着三维扫描技术的逐渐成熟,三维人体扫描模型的骨骼提取逐渐成为虚拟人建模研究领域的热点之一.现有的三维人体模型骨骼提取方法,存在手工标注任务繁重、对模型姿态过于敏感、计算结果不准确等问题.提出了一种新的三维人体模型的骨骼提取算法:首先,根据Morse原理,将测地距离作为Morse函数的要素,实现姿态无关的人体模型特征点以及拓扑结构的提取;其次,将测地距离等值面作为基础数据,采用截面似圆性判别准则提取模型关节中心所在等值面,从而获得关节中心的准确结果.实验结果表明,与已有算法相比,该方法具有模型姿态无关、计算结果准确等特性,并且能够完全自动地提取三维人体扫描模型的骨骼.     

基于人体图像生成的姿态无关人物识别

人物识别技术能够使机器人具备对用户身份识别的能力,从而有效提高机器人的智能交互水平。人物识别面临的主要挑战之一是姿态的变化对人物身份特征提取的影响。针对该问题,提出基于人体图像生成的姿态无关人物识别方法,通过生成与库中目标人物相同姿态的人体图像,消除姿态变化对人物外观特征造成的影响。该方法首先利用人体分割图将人体区域与背景分离,尽量降低复杂多变的背景对人物外观特征的干扰;然后在目标姿态的引导下生成与目标图像姿态一致的人物图像;最后设计了一个特征融合模块将源图像和生成图像的身份特征进行融合,提取姿态无关的鲁棒身份特征用于人物识别。此外,为更好地区分不同的人物,在训练中生成相同姿态的负样本,对约束模型学习更为细粒的可鉴别性身份特征。人物识别和人体图像生成的实验结果验证了该方法的有效性。     

DLLE：一种姿态无关的人脸识别改进算法

经典LLE(Locally Linear Embedding)通过流形学习,能够得到嵌入在高维空间的低维流形,但是它与lsomap、Laplacian Eigenmaps一样,学习过程中没有用到先验知识,本文改进了LLE方法,充分利用先验类别信息,能够找到从高维空间到低维空间更为合理的映射,最终使用一种线性近似的方法学习这种映射的显示表达,通过这种映射,可以比较好地解决人脸识别中的姿态问题,在FERET数据库上,当姿态变化从-60度到+60度,该方法达到了较高的识别率.     

基于SVM的人体姿态识别技术研究

随着科技发展,可穿戴式的传感器研究越发得到重视,显现出低功耗、便携性高、低成本以及使用场景不受限制等优势。其中重要的一方面应用就是人体姿态识别,为了识别日常生活中站姿、跪姿以及卧姿三种不同姿态而进行研究。根据人体姿态识别技术理论分析和应用需求选择单传感器进行姿态识别的方案。选用六轴传感器MPU6050结合STM32单片机硬件的方案,采集三种不同姿态的加速度以及角速度数据,经小波去噪和四元数转换后,基于高斯核函数的一对一支持向量机算法对人体姿态进行分类,模型训练框架基于TensorFlow,验证了利用机器学习算法解决三种人体姿态识别问题的可行性。     

融合显著性分析与图割的姿态无关服装区域分割算法

提出了一种针对多姿态人的服装区域分割算法,通过融合显著性分析和图割方法有效地提高了服装区域分割的性能.首先,提出一种基于滑动窗口的视觉显著性区域分析方法,计算前景?背景种子区域初始定位,实现种子区域定位的姿态无关性;然后,通过基于图的分割方法对初始种子区域进行矫正;最后,通过将种子区域作为输入的迭代图割方法——GrabCut获得服装区域分割.实验结果表明,文中算法具有较好的分割性能,具有应用前景.     

超宽带雷达人体姿态识别综述

与传统摄像头相比,利用超宽带雷达进行人体姿态识别不仅对环境要求低、识别率高且能较好地解决摄像头存在视角盲区和易泄露隐私等问题.结合超宽带雷达系统的特性,对常见的超宽带脉冲信号进行了分析;针对当前的研究前沿,对超宽带雷达人体姿态识别的传统机器学习方法和深度学习方法进行分析,结合具体文献对具有代表性的支持向量机(SVM)和...     

基于人体姿态的P SO-SVM特征向量跌倒检测方法

在可穿戴设备检测人体跌倒情况时,单一采用加速度阈值判别方法不能完整表征人体跌倒行为变化的信息,导致对跌倒信息误判.为此,提出了一种基于人体姿态的PSO-SVM特征向量跌倒检测算法.首先通过MEMS加速度传感器节点采集人体姿态数据,并利用共轭梯度法对采集的数据进行优化处理,降低非线性误差;然后,利用支持向量机SVM(Support Vector Machine)分类器检测跌倒行为,并通过粒子群PSO(Particle Swarm Optimization)算法对SVM参数进行优化,获得最佳分类模型,根据SVM分类模型对采集的姿态数据进行分析,判断是否跌倒;最后根据人体姿态角,构建融合人体姿态角的PSO-SVM特征向量,检测跌倒过程的具体信息.实验结果表明:该检测方法取得95.5%的识别率,能够较好地区分其他非跌倒性动作,检测精度较其他方法较高,均方根误差较小,有较好的鲁棒性.     

基于条件先验人体模型的人体姿态估计

人体姿态估计算法中的人体模型是对人体部位或关节间外观和空间关联情况的数学描述。虽然当前已经有部分人体模型在建立时考虑到了部位或关节的空间定位会满足一定的先验分布,但却都将基于同样先验分布建立的人体模型用于不同待处理图片进行人体姿态估计,并没有考虑到不同图片中的实际定位对先验分布服从程度的不同。为此,提出了一种基于条件先验的人体模型,在人体模型中添加自适应调节参数,参数值根据待处理图片中关节可能定位与外观模型相似度的大小来确定,从而达到根据待处理图片自适应调节先验分布在计算关节定位概率时所起作用大小的目的。将基于条件先验的人体模型用于人体姿态估计,仿真实验表明,与现有基于先验的人体模型相比,所提人体模型用于人体姿态估计时获得了更高的估计准确度。     

一种运动轨迹引导下的举重视频关键姿态提取方法

该文研究并提出了一种轨迹引导下的举重视频关键姿态自动提取方法。 针对举重训练,首先提取稳定的杠铃轨迹,进一步分析杠铃轨迹和关键姿态之间的关系,将 杠铃轨迹和基于姿态集的方法相结合进行关键姿态检测。根据运动轨迹的曲线极值点提取关 键视频画面,而对于其他非轨迹极值点处的关键画面采用基于姿态集的姿态估计和目标检测 方法,对每个关键姿态分别训练了一个线性的支持向量机分类器,建立图像的多尺度扫描模 式,并提出了统计计算相似度的方法来处理帧间相似度问题,实验表明该文方法在姿态检测 的准确性和效率方面都有很大改善。     

基于Hu不变矩特征优化的人体运动姿态识别算法

人体的运动过程较为复杂,图像中的相似动作很多,对传统的特征识别形成干扰,造成识别准确性不高。为了提高其识别正确率,提出一种Hu不变矩和人工鱼群优化支持向量机的人体运动姿态识别模型(Hu-AFSA-SVM)。首先,以二维连续图像为基础,提取图像中人体运动姿态识别的7个Hu不变矩,然后将其输入到SVM中进行训练,并采用AFSA对SVM参数进行优化,通过寻找一个最优超平面,尽可能在满足分类的限制条件下,将所有人体运动姿态分类数据集中的类别分开,在克服干扰下,完成识别。最后对其进行仿真实验。仿真结果表明,相对于其它识别模型,Hu-AFSA-SVM提高了人体运动姿态识别正确率,同时加快了识别速度,是一种有效的人体运动姿态识别方法。     

一种人体运动骨骼提取和动画自动生成方法

现有的动画生成方法存在手工操作繁琐、模型姿态受局限等问题.提出了一种新的人体模型动画自动生成方法,首先自动提取和识别位于人体四肢和头顶末端的5个特征点,以特征点为起点,计算模型等测地线的中心线.在中心线上根据人体测量学知识,确定关节点的近似位置,然后根据人体骨骼刚性运动特征和运动数据文件提供的骨骼信息,进行关节点精确定位,再通过热力学扩散方程计算顶点权重最后将提取的骨骼采用局部坐标架对齐的方法实现与运动数据匹配,并以运动数据驱动皮肤产生人体动画实验结果表明,与现有算法相比,具有与模型姿态无关、全自动、产生动画效果好等特点.     

基于深度图像学习的人体部位识别

针对人体部位识别问题,提出一种基于深度图像学习的人体部位识别系统。构建深度图样本库,包括训练集和测试集,提取训练样本中的局域梯度特征,利用随机森林学习得到分类器,并对图像进行单点分类,计算人体各关节点。实验结果表明,该系统能快速准确地识别人体的不同部位。     

深度图像中基于部位位置及尺寸的人体识别方法

人体姿态估计方法中,在初始化或者跟踪失败的情况下,需要提供姿态初始值。我们将姿态估计看作对人体每个像素的分类问题,设计了一种表征人体部位尺寸及位置的特征。通过识别当前帧人体像素所属部位,可计算人体姿态。我们对分类器性能进行了测试,分类器对人体像素的识别率达到91%,对分辨率为160*120的深度图像,Intel单核1.6GHZ的处理器上的处理速度为4ms/fps。本文分析了该特征的局限性及出现问题的原因。     

基于人体部件的视频行为识别方法研究

现有人体行为识别算法主要依赖于粗粒度的视频特征,但这些特征不足以有效描述人体行为的动作构成,从而降低了深度学习模型对易混淆行为的识别能力.该研究提出了一种基于人体部件的视频行为识别方法,通过学习人体细粒度部件的动作表示,自底向上地学习人体行为视频表征.该方法主要包含:(1)部件特征增强模块,用于增强基于图像的人体部件特...     

一种高效的人脸识别算法

提出一种基于局部Fisher鉴别分析(LFDA)和优化支持向量机(SVM)的高效人脸识别算法。在综合考虑局部几何结构和类别信息的基础上,利用LFDA将高维人脸数据映射到低维特征空间,避免维数灾难问题。在该低维特征空间中,使用经乘性更新规则训练的优化SVM对人脸数据进行分类识别。在人脸数据库上的实验结果表明,该算法的运算速度较快,识别准确率较高。     

基于雷达传感器的连续人体动作识别方法

针对基于雷达传感器的离散人体动作识别方法难以得到实际应用的问题,文章提出了一种基于雷达传感器的连续人体动作识别方法.首先对连续动作的雷达回波信号进行预处理得到距离时间域图像.然后通过时频分析得到微多普勒时频谱图像.最后分别采用支持向量机与长短期记忆网络作为分类器进行动作识别.实验结果表明,采用长短期记忆网络作为分类器对...     

基于机器视觉的3D人体动作识别研究

基于人体模型对目标进行跟踪,根据可见光传感器获取的二维图像信息与红外传感器获取的深度信息,利用旋转矩阵处理相关联接点动作实现人体动作识别。     

任意姿态虚拟人网格模型骨骼提取算法

人体骨骼动画技术是虚拟人物建模中的研究重点。在现有人体骨骼动画的制作过程中,动画师必需手工标定人体各主要关节点位置及人体骨架每一关键帧的姿态,工作量巨大。因此提出一种自动提取人体任意姿态网格模型骨架结构的方法。该方法首先利用模型各顶点间测地距离的几何关系自动识别人体位于四肢和头顶末端的5个特征点,再以特征点为起点生成等测地距离曲线族,利用等测地距离曲线将人体四肢和躯干区分开来,将这些相邻等测地线中心连接起来生成5条骨骼中心线,最后在中心线上根据中心夹角极小值及等测地距离曲线似圆率来确定人体关节的确切位置。实验结果表明,该算法能适应不同姿态的人体模型,计算结果准确性高,能完全自动实现关节点定位和骨骼提取。     

基于头部特征的人体检测

视觉监控是计算机视觉领域中近年来备受关注的前沿研究方向,视觉人体运动分析是视频监控中的研究重点。通过提取俯视图中人体头部区域特征,进行人体检测。由于人体头部区域的类圆形特征,一种圆形人体头部模型被提出,如何检测到合适的圆是人体检测的关键问题。本文采用对光照变化有较强鲁棒性的灰度梯度特征来检测人头。精确的实验表明了该算法在人体头部检测方面有较高的准确性和稳定性。