排序方式: 共有10条查询结果,搜索用时 15 毫秒
1
1.
基于混合跟踪模型的室内步行人体3D运动估计 总被引:1,自引:0,他引:1
针对步行人体3D运动估计过程中的自遮挡问题, 提出了基于混合跟踪模型的粒子滤波算法. 首先, 利用自遮挡状态检测模型, 将步行人体运动划分为四种自遮挡状态; 其次, 根据混合跟踪模型, 针对不同的自遮挡状态, 算法采用不同的跟踪模型; 最后, 为了估计遮挡状态下的人体运动, 算法提出了基于M-估计的在线训练方法 以训练肢体运动相关系数. 经过实验分析, 算法对处 于自遮挡状态下的人体3D运动估计有着良好的效果, 人体3D运动的估计精度得到了提高. 相似文献
2.
一种基于深度图像的自遮挡检测方法 总被引:1,自引:0,他引:1
针对视觉目标存在的自遮挡现象,并为更好地界定、规避自遮挡现象提供依据,提出一种完全基于目标深度图像信息、仅需通过分析深度图像平均曲率变化特征并结合使用二次阈值法进行自遮挡检测的方法.为避免平均曲率计算的复杂性,该方法首先采用改进的离散正交多项式局部曲面拟合法计算深度图像的平均曲率;然后,通过分析图像各点的平均曲率并结合曲率阈值提取与其八邻域点存在曲率异号的点组成自遮挡候选点集;最后,依据候选点与以其为中心的窗口内其它点存在深度值不连续的现象,再次使用阈值法,实现对自遮挡的检测.实验结果表明该方法能够有效地检测出自遮挡现象并获得自遮挡边界. 相似文献
3.
针对未知自遮挡物体的测量和三维重建问题,提出利用Kinect Fusion技术快速重建和线激光精密测量相结合的视点规划新方法。应用Kinect Fusion技术快速获取未知自遮挡物体表面的深度信息模型,研究提出轮廓表面的截面特征信息提取方法,在此基础上分析轮廓表面的截面形状特征,根据五自由度线激光测量系统的左右方向和上下方向测量可视性判断,在最佳测量范围内进行线激光测量全局视点规划,准确、快速消除自遮挡和点云孔洞,最后获得重建精度高的三维物体表面。经过自遮挡物体重建实验,验证了所提方法的可行性及有效性。 相似文献
4.
高层住宅建筑中生活热水的能耗在建筑能耗中占有不可忽略的份额。目前,国内阳台壁挂式太阳能的应用有效的解决了住宅中的生活热水需求,但阳台壁挂式太阳能在高层住宅的安装使用中易受到建筑自身凸出部位的日照影响。本文通过Ecotect软件模拟,研究自遮挡对太阳能集热器年辐射量的影响,得出相关数据,为壁挂式太阳能热水器的设计和安装提供有益的指导。 相似文献
5.
基于视觉伺服的手部跟踪仿真研究 总被引:1,自引:0,他引:1
在虚拟现实技术中,手势是人机交互中一个至关重要的直接输入方式,目前能满足人机交互过程中手势输入的方式仅有数据手套,这种方式存在一些缺点,如不能保证交互过程中的无束缚性和自然性,并且需要复杂的标定和安装过程。计算机视觉为获取手部的三维位置提供了一种更加自然且没有接触的方法,但重点在于解决手部跟踪运动过程中的自遮挡问题。分析了基于视觉伺服的手部跟踪技术,并针对Stewart机器人的动力学模型进行了仿真实验,结果表明该方法能够完成利用主动视觉解决手部跟踪运动过程中的自遮挡问题,进行手部跟踪的任务。 相似文献
6.
针对当前人体动作识别算法中由于人体躯干遮挡而导致其检测精度不佳的问题,提出了一种基于加权三视角运动历史
图像耦合时序分割的动作识别算法。 首先,为了有效描述动作的形状和空间分布,从视频序列中提取运动历史图像(motion
history image,MHI)。 随后,应用深度相机(Kinect 相机)来提取深度图像,以获取人体目标的动作前景轮廓。 为了识别由于身体
部位造成的自我遮挡,动作前景轮廓被投影到 3 个视角(3V)平面,形成 3V-MHI,增强了对动作的正确提取,利用 3V-MHI 构造
了一个用于记录观测运动轨迹的 MHI,克服了单视角 MHI 的信息局限性。 然后,利用时序分割( temporal segmentation,TS),根
据相邻的 3V-MHI 来计算动作的能量和方向的变化,以检测运动的开始和结束,从而输出运动结果。 此外,计算 MHI 的梯度值
作为每个平面对应的权重,从而得到加权 3V-MHI。 最后,将提取的每个直方图运动模板与预先建立的数据库进行比较,完成动
作的分类识别。 实验表明,该方法能有效地解决自遮挡问题,在复杂环境和光照变化下有较高的准确性与鲁棒性。 相似文献
7.
为提高Leap Motion设备的采集精准度,解决自遮挡、采样频率不稳定等设备固有问题,首先,设计了使用Leap Motion和动作捕捉设备的手部多模态同步运动采集方案,采集了日常动作数据集;其次,提出了基于卷积神经网络(convolutional neural network,CNN)的Leap Motion手部运动数据优化方法,使用日常动作数据集训练Leap Motion数据到动作捕捉数据的映射网络;最后,提出手指平面约束,确保网络输出数据保持稳定的手部骨骼结构.通过15名志愿者采集了6类动作共967550帧的同步运动数据集,进行了手指平面约束有效性、动作一致性实验,并与双向循环自编码器(bidirectional recurrent autoencoder,BRA)、双向编解码器(encoder-bidirectional-decoder,EBD)方法进行了精度对比.结果表明,文中方法支持使用Leap Motion获取固定采样频率且近似动捕设备精度的手部运动数据,效果较BRA和EBD更加稳定平滑.将文中方法应用于康复游戏中,明显减少了交互动作识别的错误次数. 相似文献
8.
9.
数据增广是提升深度学习模型性能的有效方法之一。针对多类别目标检测任务中检测性能不平衡问题,提出一种针对“短板类别”(检测性能远低于模型平均检测性能的类别)的离线数据增广方法。受Cannikin’s Law的启发,采用基于复制粘贴(copy-paste)机制的场景多样性增广方法。随机采集训练集中“短板类别”实例区域,通过相似性度量机制选取训练集中增广目标样本进行随机粘贴。为了降低随机粘贴导致的遮挡问题,采用基于自遮挡(cut-replace)机制的增广方法提升模型遮挡表达能力。通过截取样本自身区域,对特征表达最显著区域进行遮挡。实验表明,FCOS目标检测框架在PASCAL VOC数据上的平均检测精度(mean average precision,mAP)从79.10%提升到83.90%,其中短板类别更为显著,提升了20.8个百分点。在MS-COCO数据上平均检测精度提升了0.9个百分点。 相似文献
10.
1