基于高分辨率网络和图卷积网络的三维人体重建模型

针对单目图像重建人体时出现的头部姿态翻转和图像特征间隐式空间线索缺失的问题,提出了一种基于高分辨率网络（HRNet）和图卷积网络（GCN）的三维人体重建模型。首先利用HRNet和残差块作为主干网络从原始图像中提取丰富的人体特征信息,然后使用GCN来捕获特征之间隐式的空间线索以获得空间精确的特征表示,最后使用此特征来预测多人线性蒙皮模型（SMPL）的参数以得到更加准确的重建结果;同时为了有效解决人体头部姿态翻转的问题,对SMPL的关节点重新进行了定义,在原有关节的基础上增加对头部关节点的定义。实验结果表明,所提模型能够准确地重建出三维人体,在2D数据集LSP上的重建准确率达到了92.41%,在3D数据集MPI-INF-3DHP上的关节误差和重建误差也大幅降低,平均误差仅分别为97.73 mm和64.63 mm,验证了所提模型在人体重建领域的有效性。     

基于CNN-LSTM双流融合网络的危险行为识别

针对目前人体危险行为识别过程中由于时空特征挖掘不充分导致精度不够的问题,对传统双流卷积模型进行改进,提出了一种基于CNN-LSTM的双流卷积危险行为识别模型。该模型将CNN网络与LSTM网络并联,其中CNN网络作为空间流,将人体骨架空间运动姿态分为静态与动态特征进行分别提取,两者融合作为空间流的输出;在时间流中采用改进的可滑动长短时记忆网络,以增加人体骨架时序特征的提取能力;最后将两个分支进行时空融合,利用Softmax对危险动作做出分类识别。在公开的NTU-RGB+D数据集和Kinetics数据集上的实验结果表明,改进后模型的平均跨角度（Cross view,CV）精度达到92.5%,平均跨视角（Cross subject,CS）精度为87.9%。所提方法优于改进前及其他方法,可以有效地对人体危险动作做出识别,同时对于模糊动作也有较好的区分效果。     

运动场景下的多目标人体姿态估计

为提高群体活动场景下细粒度人体姿态估计的准确率,优化网路中人体识别及姿态估计算法,在现有研究的基础上,提出一种结合多尺度预测以及改进并行注意力模块的多目标人体姿态估计算法。在充分利用不同尺度特征信息的基础上,实现高质量的人体姿态估计;针对运动场景下多目标人体姿态数据集较少,提出一种数据集CUPB Sport Dataset。实验结果表明,该算法在公开基准数据集和自制数据集上分别达到了81.4 mAP和79.7 mAP,验证了该算法在运动场景下针对多目标的高效性。     

基于Focal-EIOU函数的被动式太赫兹图像违禁物品识别

针对被动式太赫兹安检系统因环境影响导致图像质量波动,从而影响识别算法,导致准确率大幅降低的问题,提出了基于Focal-EIOU损失函数的改进YOLOv4算法,并用被动式太赫兹人体安检图像对刀、枪违禁物品进行模型训练获得模型。建立不同环境、不同位置角度携带刀枪嫌疑物人员的太赫兹图像数据库,采用图像增广的方法构建丰富数据集;将YOLOv4的CIOU loss改进为Focal-EIOU loss,提高算法对太赫兹图像识别的鲁棒性,进而经过训练获得较优的模型。在本文的测试集中,使用改进后的算法训练的模型平均检测精确度(mAP)达到96.4%,检测速度在28 ms左右,交并比(IOU)平均值为0.95,在同等条件下高于常规算法,改善了检测识别的效果。实验结果表明,本文方法能够有效提高被动式太赫兹人体安检系统的嫌疑物识别准确率,有利于该项技术在人体安检领域的推广应用。     

中国青年医学生手部人体测量学调查研究

目的许多手持工具和接口的设计,由于数据缺失或来源进口,不符合用户的手部尺寸,导致用户疲劳损伤效率下降。本文对比分析了中国青年医学生手部测量尺寸和类型。方法选取20~24岁青年医学生196名用电子卡尺对手部37个部位进行人体测量。结果通过不分位数比诸分布,对37个手部形态指数男女比较得出5因子手部特征据此仿真建模,建立了中国青年医护学生的手部特征模型。讨论通过对比分析,GB10000-88中目前存在的5个右手数据有待修订与补充。结论本研究为中国青年医护学生手部测量提供了方法,补充了国内手部测量数据,对各领域的手部研究具有重要意义。     

基于区域分割和蒙特卡洛采样的静态图片人体姿态估计

静态图片中的人体姿态估计是近年来图像分析领域的重要问题之一.由于静态图片中可利用的信息较少,且存在多关节引起的形状畸变、着装变化、背景干扰及遮挡等难点,使得这一问题具有很大挑战性.考虑到现有算法的不足,提出了一种基于区域分割和置信传播蒙特卡洛采样的人体姿态估计算法,将前景区域分割加入到姿态估计中,在概率图模型中引入非树状的约束,采用蒙特卡洛采样来进行概率推理.实验表明该算法比经典的算法在公共数据集上给出了更加精确的估计结果,同时运行时间也减少了25%.     

自适应粒子滤波在人体跟踪过程中的应用

人体运动跟踪技术近年来在图像处理与计算机视觉领域引起很多关注,在当前一些重要研究和应用领域有着广泛的需求。在以往跟踪方法的基础上提出了基于决策规则的自适应粒子滤波的无标记运动目标跟踪方法。利用一个带外观模板的人体关节模型,通过学习得到运动模型及基于关节模型的相似性计算,巧妙地利用自适应粒子滤波对运动目标进行实时跟踪,使得在粒子滤波过程中,可以根据实际滤波情况在线调节粒子数。实验表明,提出的算法鲁棒性好,跟踪速度比基于传统粒子滤波的快。     

动画专业人物基础素描特征浅析

动画素描表现形式与技法具有绘画艺术的普遍共性特征,多角度全方位理解与掌握人体造型与运动规律,简洁准确地表现人物的形体特征,将写生能力与形象记忆能力相结合并同步提高,为创造形象和专业学习打好基础。     

基于肤色分割的视频人体检测

针对视频图像中人体运动形态多变、方向不确定等问题,提出了一种基于肤色分割的视频人体检测算法。采用改进的帧间差分方法求得自适应背景,与背景差相结合进行运动目标粗分割,在粗分割范围内进行肤色分割。在肤色分割时,利用YCbCr色彩空间的自适应亮度分段椭圆肤色模型及形态学操作、约束性条件等后处理确定人脸区域,得到人体目标。实验结果表明,该方法能有效地检测视频中的人体目标,与同类方法相比,该方法的时间复杂度更低,因而能更好地满足视频处理的实时性要求。     

投影深度向量分解融合PEMS的视角不变人体动作识别

针对摄像机内部参数的不确定性和投影平面选择难的问题,提出一种新的投影深度算法用于视角不变的动作识别,该算法采用对称镜面提取平面(PEMS)策略,有效解决了投影平面选择难的问题。首先通过摄像机组观察获得3D动作姿势,然后运用PEMS策略从场景中提取平面,相对于提取平面估计身体点的投影深度,最后使用这个信息进行动作识别。该算法的核心是投影平面的提取和投影深度组成向量的求解。利用本文算法在CMU MoCap数据集、TUM数据集和多视图IXMAS数据集上进行测试,精度可分别高达94%、91%和90%,且在较少动作实例情况下,仍然能够准确定义新动作。比较表明,本文算法的人体动作识别性能明显优于其他几种较新的算法。