室内复杂背景下人体骨架的提取

人体骨架的提取对人体运动分析研究具有很重要的意义.本文提出了一种人体骨架模型的建立方法,该方法是通过对ZS并行细化算法进行改进,并结合最大正方形像素个数法来提取骨架图像,在骨架提取方向有较强的上噪和抗干扰能力,有很好的鲁棒性,可提取有效的骨架图像,然后以人体解剖学为基础,建立人体骨架模型.通过室内实验,验证了所提出方案的有效性.     

一种基于小波特征的跌倒行为检测方法

针对跌倒行为检测方法对疑似跌倒行为存在误报问题,提出一种基于小波特征的跌倒行为检测方法。通过小波分解将原始合成加速度信号分解为不同频率的子信号,从这些子信号的低频近似系数中提取小波能量、波峰平均值和波峰个数作为特征,使用决策树分类器进行分类,从疑似跌倒行为和跌倒行为中识别出跌倒行为。对比实验结果表明,该方法提高了跌倒行为识别的准确率,降低了误报率。     

基于递归神经网络的跌倒检测

为了快速、准确地检测老人的跌倒行为而引入递归神经网络,通过递归神经网络自动提取跌倒数据特征进行跌倒检测.结果显示:利用递归神经网络可有效提取跌倒行为特征,跌倒检测准确率在93％以上,灵敏度在97％以上,评测值在93％以上.     

室内场景下人体行为异常检测方法研究

基于图像的人体异常行为检测方法,当人数增多、遮挡等情况发生时,人体行为数据信息可靠性较低,检测精度不高、自适应性差,本文提出一种基于姿态特征的异常行为检测方法解决上述问题.利用成熟的人体姿态识别技术提取视频中人体关节点数据,将关节点坐标转化为人体行为的角度特征和距离特征以表达人体姿态;应用机器学习方法对关节特征进行分析...     

人体正面运动的尺度骨架模型初始化算法研究

针对单目图像序列中跟踪人体运动时,人体骨架模型难以自动提取的问题.提出一种在人体正面运动的条件下自动提取人体骨架模型的方法.该方法从原始灰度图像及其分割图像所包含的信息中,提取出能够表达人体位姿和分割区域的关键数据.以这些关键数据作为输入,人体关节点的位置坐标作为输出,构造反向传播神经网络,依据先验知识标定的数据训练该反向传播神经网络.实验结果显示,该算法能够较精确地定位关节点位置,自动提取出人体尺度骨架模型.     

一种新的点云数据特征骨架提取方法

为解决点云数据的线骨架提取问题,为点云数据的后续几何处理的奠定基础,提出了一种新的点云数据骨架提取方法.通过对点云数据的空间层次剖分后建立其简化模型,可有效地避免噪声点对骨架的干扰;根据离散Morse理论,从简化模型中提取主要的特征点,用测地线连接这些主要特征点可得到模型的初步骨架.采用可见反力场方法将初步骨架内推至模型内部,对内推后的骨架光顺及聚类后形成最终骨架.该方法能够直接处理带噪声数据的大规模点云数据,所形成的骨架连续.     

以头部为基准的人体轮廓模型

为了提高以人体轮廓为主要特征对人体行为进行识别时的性能,提出一种以头部为基准的人体轮廓模型.采用无需重新初始化的level set方法提取视频序列图像中的人体轮廓,将人体轮廓纵横比最小的帧确定为关键帧.根据欧式距离局部极大原则确定关键帧中轮廓上的人体端点（头、手、脚等）,通过肤色模型确定头部位置并作为轮廓标记的基准点,建立以头部为基准的人体轮廓模型.基于该模型提取特征,采用支持向量机（SVM）对人体行为进行识别.以WEIZMANN数据库为对象的行为识别实验结果验证了该模型和行为识别方法的有效性.     

基于Voronoi图提取线状地物骨架的一种方法

骨架是线状对象的一个重要特征,如何快速地提取骨架线是研究图像图形学的一个重要方向.为了快速地提取线状地物的骨架线,通过分析其与Voronoi图之间的异同点,提出了一种基于Voronoi图快速提取线状地物骨架的方法,并针对不同的边缘采取了不同的方案以保证提取的骨架线的准确性,最后以福州市区内闽江部分河段的骨架提取为实例检验了该方法的有效性,并分析了存在的问题,提出了改进的方向.     

基于Voronoi图提取线状地物骨架的一种方法

骨架是线状对象的一个重要特征,如何快速地提取骨架线是研究图像图形学的一个重要方向.为了快速地提取线状地物的骨架线,通过分析其与Voronoi图之间的异同点,提出了一种基于Voronoi图快速提取线状地物骨架的方法,并针对不同的边缘采取了不同的方案以保证提取的骨架线的准确性,最后以福州市区内闽江部分河段的骨架提取为实例检验了该方法的有效性,并分析了存在的问题,提出了改进的方向.     

基于基本图像特征的中朝文种辨识方法

提出了一种基于基本图像特征、适用于不同分辨率自然文本图像的中朝文种辨识方法.在训练阶段,首先构造标准文字图像库,然后提取文字的形态学骨架,最后利用骨架的基本图像特征来训练BP神经网络;在辨识阶段,首先对自然文本图像进行倾斜校正后做二值化处理以提高字符分割的效果,然后进行垂直投影、水平投影、字符分割和提取每个字符的骨架信息,最后基于字符骨架的基本图像特征利用BP神经网络来进行文种辨识.实验表明,本文提出的方法在中朝文种辨识中综合辨识准确率可达到87%.     

基于动作子空间和权重条件随机场的行为识别王智文

针对单目视频中的人类行为识别,提出了基于动作子空间与权重条件随机场的行为识别方法。该方法结合了基于特征提取的核主分量分析 (KPCA) 与基于运动建模的权重条件随机场 (WCRF) 模型。探讨了通过非线性降维行为空间的基本结构,并在运动轨迹投影过程中保留清晰的时间顺序,使人体轮廓数据表示更紧凑。WCRF通过多种交互途径对时间序列建模,从而提高了信息共享的联合精确度,具有超越生成模型的优势 (如放宽观察之间独立性的假设,有效地将重叠的特征和远距离依存关系合并起来的能力)。实验结果表明,该行为识别方法不仅能够准确地识别随时间、区域内外人员变化的人类行为,而且对噪声和其他因素鲁棒性强。     

基于视频序列的列车驾驶员行为自动识别算法的研究

设计开发了集视频采集、运动目标检测、行为识别和自动报警为一体的驾驶员行为识别系统．对其中运动目标检测和行为识别算法进行了重点研究,针对驾驶室内光照变化等影响因素,采用混合高斯背景模型与帧间差分法结合的改进算法,实现运动目标的检测,用星型骨架法提取行为特征,最后应用隐马尔科夫模型实现了对驾驶员行为的快速识别．     

基于CT图像的人体下肢骨骼三维实体模型重建

为探索生物骨骼系统三维CAD实体模型的高效快速重建方法,以人体下肢骨骼系统为研究对象,综合运用三种建模思路建立了基于解剖学的精细三维实体模型。该模型表面光滑,曲线流畅,满足后续有限元分析要求。对三种建模方法进行比较分析表明,采用Solid-works、Rhinoceros重建的骨骼具有简单控制线,整体较佳,Geomagic环境下的建模效率较高,且对于具有复杂曲面特征的骨骼或组织快速重建更有效。     

基于融合特征网和模块网的低频行为挖掘方法

针对流程挖掘过程中忽略低频行为的问题,提出一种基于融合特征网和模块网挖掘低频行为的方法.首先,通过处理有效的事件日志确定通讯行为轮廓关系,并根据日志将特征分为不同模块,重构事件内部行为,挖掘相应的模块网与特征网; 然后,融合特征网与模块网得出完整的流程模型,并通过迭代扩展初始模式得出所有低频模式.实例分析证明,本文提出的方法具有一定的可行性.     

基于骨骼线的三维网格编辑

为了保留局部细节和快速地进行形变,提出了1种新的基于骨骼线的三维网格编辑方法.在确定感兴趣区域及参考点后,通过参考点和屏幕平面建立骨骼线,将感兴趣区域上的顶点映射到骨骼线上.为了使由形变而带来的失真均匀分布及保留局部细节,对骨骼线上的点用线性旋转不变的坐标表示方法进行表示,以指定的目标点为约束,在最小二乘意义下对骨骼线进行重建,得到形变后比较光滑的骨骼线;再将骨骼线上的映射点逆映射到感兴趣区域上,得到形变后的网格模型.还可以基于骨骼线对感兴趣区域进行缩放、扭转编辑.实验结果验证了本方法能实时交互、并保留细节.对骨骼点和目标点进行插值得到新的目标点再进行形变,可以得到动画效果.     

手背静脉识别的图像处理算法

提出了一种手背静脉图像的有效区域提取方法,在获得手背静脉图像的有效区域后,对图像进行增强和平滑处理,采用动态阈值分割算法对图像进行分割,对分割结果进行平滑细化和去除＂毛刺＂处理。仿真实验表明,该算法能够获得失真较小的静脉骨架。     

基于多特征融合的人体动作识别

提出复杂环境下基于特征融合的日常动作、突发异常(摔倒)行为检测方法. 利用人的姿态、姿态变化速率特征、人的位置变化特征表征人的运动状态,通过合成简单的姿态事件并结合特征来表达具有复杂时空关系的运动事件. 该方法计算复杂度小,对目标大小的变化具有较好的鲁棒性,在智能交互、服务机器人自主服务系统中具有实用价值.      

基于傅里叶与局部特征结合的人体姿态识别方法研究

为了提高对人体姿态的识别,提出了一种以人的姿态序列图像的轮廓为特征,包括轮廓的外接矩形的宽高比、形状复杂性变化率、离心率以及傅里叶描述子相结合的人体行为识别方法。首先运用自适应的混合高斯背景建模和形态学结合的方法,利用Canny算子进行边缘检测,实现目标人体轮廓的特征提取。然后采用基于质心边缘距傅里叶描述子与k-means聚类算法与SVM分类器结合的方法,对目标人体轮廓的参数建立具有13个特征值的一维的特征向量,并和RBF神经网络的分类效果进行对比。实验表明,SVM进行分类较为准确,且不需要进行多次的迭代训练,速度较快、识别性能也很好,相比于RBF神经网络而言。运用该方法可以让人体行为识别的正确率在91%以上,该方法简单可行。     

Study on Virtual Human Skeleton System

A solution of virtual human skeleton system is proposed. Some issues on integration of anatomical geometry, biodynamics and computer animation are studied. The detailed skeleton system model that incorporates the biodynamic and geometric characteristics of a human skeleton system allows some performance studies in greater detail than that performed before. It may provide an effective and convenient way to analyze and evaluate the movement performance of a human body when the personalized anatomical data are used in the models. An example shows that the proposed solution is effective for the stated problems.