深度圖像中人體姿態(tài)估計(jì)研究.pdf

1、視頻監(jiān)控中的人體在計(jì)算機(jī)視覺領(lǐng)域的關(guān)注度較高，并且人體姿態(tài)估計(jì)是在計(jì)算機(jī)視覺領(lǐng)域有廣泛運(yùn)用前景的研究課題，所以在計(jì)算機(jī)視覺方向中人體姿態(tài)估計(jì)已成一個(gè)非常重要的研究熱點(diǎn)。受到人體姿態(tài)的多種多樣、遮擋與自遮擋、光照等問題的影響，現(xiàn)存的人體姿態(tài)估計(jì)技術(shù)尚無在魯棒性和運(yùn)行效率方面都令人非常滿意的解決方案。
　　本文針對這一問題，以深度圖像為基礎(chǔ)，提出了一種利用深度圖像的光照不變性、空間信息一致性等優(yōu)勢的人體姿態(tài)估計(jì)方法。
　　首先由

2、于傳統(tǒng)的圖像特征提取方法并不適合人體姿態(tài)估計(jì)這一領(lǐng)域，本文利用深度圖像與傳統(tǒng) RGB圖像相比不易受到光照變化、背景復(fù)雜以及人體服裝的差異較大的影響，提出了一種基于深度圖像梯度（Gradient of Depth，GoD）的特征提取方法。該方法利用圖像中深度信息計(jì)算出每個(gè)像素點(diǎn)在水平方向和垂直方向的梯度值；其次計(jì)算每個(gè)像素點(diǎn)與鄰域內(nèi)像素點(diǎn)之間的差值，從而得到一個(gè)四維特征。將人體姿態(tài)估計(jì)這一問題簡化為單純的深度信息的人體部件分類。通過實(shí)驗(yàn)證

3、明，不僅在準(zhǔn)確率上有著明顯的提升，并且具有更強(qiáng)的魯棒性。
　　其次，由于人體姿態(tài)估計(jì)的最終目標(biāo)是應(yīng)用在現(xiàn)實(shí)場景，因此在運(yùn)行效率上具有較高的要求。本文以降低測試階段的時(shí)間為目的，在原有的隨機(jī)森林基礎(chǔ)上，通過對決策樹的權(quán)重排序和在測試階段減少參與最后決策的決策樹的方法優(yōu)化了隨機(jī)森林，并通過實(shí)驗(yàn)驗(yàn)證了在沒有降低準(zhǔn)確率的情況下，在測試階段減少了時(shí)間開銷。
　　最后總結(jié)了論文的研究內(nèi)容，同時(shí)指出了研究中的不足之處，并且進(jìn)行了對后期工作