基于视觉的人体运动分析综述

目前,人体运动分析已成为计算机视觉研究领域的热点问题,已被广泛地应用于虚拟现实、视频监控、人机接口等不同场合.基于视觉的人体运动分析,主要研究视频场景中人体目标的检测、识别、描述和跟踪,此外还包括人体行为模式的理解等.近些年来,针对这些课题产生了大量的方法和应用,该文对相关的研究做一综述,并给出了本课题所面临的挑战和未...     

人体运动分析研究的若干新进展

人体运动视觉分析主要包括运动目标检测、运动目标分类、人体运动跟踪、人体行为识别与描述四个环节,在多领域具有广阔的应用前景.本文从上述四个方面综述了人体运动分析的研究现状,对人体运动分析的热点难点进行讨论,对可能的发展方向进行阐述和展望.     

基于视觉的人体运动捕捉技术研究

运动捕捉技术是计算机视觉和人体运动分析领域的研究热点,在计算机动画等领域拥有广泛的应用前景。在总结基于视觉的人体运动捕捉技术进展的基础上,分析运动跟踪、捕捉方法及技术难点,提出一种新的从视频提取人体运动信息,重现人体运动轨迹的方法、流程及系统设计框架。     

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     

基于模型的人体运动跟踪

在计算机视觉领域,人体运动分析的的研究正因其广泛的应用前景而越来越受到研究 重视,对图像序列中的人体运动进行了跟踪是其中的关键技术。由于人体运动的特殊复杂性,已有的研究方法都对人体加上了许多限制条件。     

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。     

计算机视觉与机器学习技术在三维人体动画中的应用综述

近年来计算机视觉与机器学习技术广泛应用于三维人体动画领域中.基于图像/视频的人体运动数据获取技术、数字角色和场景建模、交互式角色动画控制与运动生成等方面都大量应用了计算机视觉技术;同时,机器学习理论在三维人体运动数据重用以及后期智能角色动画创作中扮演了越来越重要的角色,并得到一些很好的研究成果.文中以三维人体动画创作流程为主线对这些方法的基本思想和关键技术进行了归纳与分析,并讨论了三维人体动画制作技术的发展趋势.     

复杂背景下人体骨架的提取

在计算机视觉领域，人体运动分析的研究具有广泛的应用前景。由于人体运动的复杂性，已有的研究方法对人体和背景加上了许多限制条件。本文提出了一种新的方法在复杂背景下来获得人体的骨架。     

基于二维主成分分析的运动目标检测

运动目标检测是计算机视觉研究的重要领域,在视频监控和智能交通等领域应用广泛.本文提出了一种自适应的运动目标检测方法.该方法采用二维主成分分析建立背景模型,通过比较重建图像和原图像的差异来检测运动目标.为了自适应动态变化的复杂背景,该模型由增量算法在线更新.实验结果表明,提出的方法可以在复杂变化的动态背景环境下进行有效的运动目标检测.     

人运动的视觉分析综述

目前，人运动的视觉分析是计算机视觉领域中最活跃的研究主题之一，其核心是利用计算机视觉技术从图像序列中检测，跟踪，识别人并对其行为进行理解与描述，它在虚拟现实，视觉监控，感知接口等领域均有着广泛的应用前景，人运动的视觉分析系统一般遵从下述的处理过程：（1）运动检测，（2）运动目标分类，（3）人的跟踪，（4）行为理解与描述，该文将重点从此四个方面回顾人运动分析的发展水平和常用的处理方法，并对研究难点及未来的发展趋势作了较为详细的分析。     

基于视频序列的人体运动分析系统的研究与实现

基于视频的人体运动分析是通过视频序列对人体的运动进行检测、分割和跟踪，获得人体或者某一部位的运动信息，生成人体的运动轨迹以及各运动学和动力学参数，达到分析人体三维运动的目的。人体运动属于连接型非刚体运动的范畴，具有高度的非线性特点，利用视频进行人体运动分析，有着极大的研究价值和现实应用前景。本文以单目视频中人体的跳远运动为研究对象．研究与实现了一个基于视频序列的人体运动分析系统。     

视频序列中人体运动目标的检测与跟踪研究

提出一种视频序列中人体运动目标的精确检测、提取以硬跟踪算法。该算法采用帧间差闽值法（简称TIFD）实现快速精确地检测和提取目标,使用扩展的Kalman滤波器预测运动目标下一时刻可能处于的区域,缩小了目标跟踪时的搜索范围。充分利用运行目标检测的结果,提高了目标的匹配效率及跟踪速度。同时给出了相应的实验结果,结果表明方法是比较实用的,能满足人体运动分析的基本要求。     

Recent developments in human motion analysis

Visual analysis of human motion is currently one of the most active research topics in computer vision. This strong interest is driven by a wide spectrum of promising applications in many areas such as virtual reality, smart surveillance, perceptual interface, etc. Human motion analysis concerns the detection, tracking and recognition of people, and more generally, the understanding of human behaviors, from image sequences involving humans. This paper provides a comprehensive survey of research on computer-vision-based human motion analysis. The emphasis is on three major issues involved in a general human motion analysis system, namely human detection, tracking and activity understanding. Various methods for each issue are discussed in order to examine the state of the art. Finally, some research challenges and future directions are discussed.     

Human motion retrieval using topic model

Content‐based human motion retrieval is important for animators with the development of motion editing and synthesis, which need to search similar motions in large databases. Obtaining text‐based representation from quantization of mocap data turned out to be efficient. It becomes a fundamental step of many researches in human motion analysis. Geometric features are one of these techniques, which involve much prior knowledge and reduce data redundancy of numerical data. We describe geometric features as basic unit to define human motions (also called mo‐words) and view a human motion as a generative process. Therefore, we obtain topic motions, which possess more semantic information using latent Dirichlet allocation by learning from massive training examples in order to understand motions better. We combine probabilistic model with human motion retrieval and come up with a new representation of human motions and a new retrieval framework. Our experiments demonstrate its advantages, both for understanding motions and retrieval. Copyright © 2011 John Wiley & Sons, Ltd.     

实时跟踪系统中运动人体图像分割

在视频序列的人体运动分析中，实时分割出运动的人体，是研究的起始关键步骤。该文在简单的运用差图像算法进行人体运动检测的基础上，结合直方图自动阈值分割和数学形态学的算法来完成运动人体的精确分割。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，能够实时分割完成运动人体的视频图像。     

基于运动图像序列的异常行为检测*

针对公共重点区域的智能监视问题,研究了一种基于运动历史图像（motion history image,MHI）的行人异常行为检测方法。利用运动图像序列得到的MHI获取视频帧中运动目标的运动方向,由运动方向的变化分类确定人体运动模式和行为是否异常,同时给出相应的实验结果。结果表明,该方法实现简单,具有较好的实时性与鲁棒性,可以作为实时监控系统中异常行为检测的有效方法。     

数字化三维蹦床运动模拟与仿真系统——VHTramPoline

设计和实现了一个用于辅助蹦床运动科学训练的计算机模拟与仿真软件系统VHTrampoline.其原理是:在人体运动生物力学数据和真实人体运动捕获数据的基础上,通过运动编辑技术实现技术动作的修改和成套技术动作的模拟,并用人体运动方程分析和验证模拟结果;同时,基于虚拟现实方法将模拟结果与真实视频同步对比实现可视化的分析.除了必须的交互操作,文中涉及到的计算都是实时的.与传统训练方法相比,该系统具有直观、量化等优点.     

3维人体运动编辑与合成技术综述

为了使人们对3维人体运动编辑与合成技术有个概略了解,对当前3维人体运动编辑和合成技术的研究现状进行了系统阐述。首先对4大类3维人体运动合成方法进行了分析比较;然后按照运动捕获数据的表示方法、运动编辑技术、运动合成技术3个方面着重分析了运动捕获数据驱动的运动合成方法的发展现状;最后对目前3维人体运动编辑与合成技术研究中的难点问题及未来研究重点进行了展望。     

体育训练三维人体运动模拟与视频分析系统

在运动训练中引入数字图形图像技术,研制面向体育训练的三维人体运动仿真与视频分析系统,为我国体育健儿备战2008年奥运会提供强大的科技保证．首先介绍了研制系统的背景与意义,然后从视频分析与三维运动模拟两个方面概述了系统所具有的关键功能,最后较为详细地阐述了为实现这些功能所需要解决的关键问题及解决方法,包括视频运动人体提取与跟踪、三维人体运动模拟与仿真等．