單目視頻中人體運(yùn)動(dòng)建模及姿態(tài)估計(jì)研究.pdf

1、對(duì)于單目視頻中人體運(yùn)動(dòng)的自動(dòng)理解和姿態(tài)估計(jì)一直是計(jì)算機(jī)視覺(jué)研究的熱點(diǎn)問(wèn)題。本文從五個(gè)方面對(duì)基于單目視頻的人體檢測(cè)及運(yùn)動(dòng)分析展開研究，分析了基于視頻的人體檢測(cè)技術(shù)：三維人體運(yùn)動(dòng)捕獲技術(shù)，行人檢測(cè)技術(shù)，視頻人體運(yùn)動(dòng)特征提取的方法，人體運(yùn)動(dòng)跟蹤技術(shù)和人體運(yùn)動(dòng)姿態(tài)估計(jì)技術(shù)。在此基礎(chǔ)上進(jìn)行人體運(yùn)動(dòng)建模和基于單目圖像的姿態(tài)估計(jì)。
　　 首先采用基于窗口梯度勢(shì)能的遮擋人體檢測(cè)方法對(duì)視頻中人體信息進(jìn)行檢測(cè)，提出了一種基于窗口梯度勢(shì)能(Windo

2、w Gradient Potential Energy，WGPE)的人體檢測(cè)方法。在特征窗口掃描過(guò)程中，通過(guò)加權(quán)級(jí)聯(lián)SVM，實(shí)現(xiàn)對(duì)半遮擋情況下的人體檢測(cè)，利用稀疏-稠密窗口勢(shì)能集篩選縮短了檢測(cè)時(shí)間。由于WGPE利用了HOG特征計(jì)算過(guò)程中的梯度信患，因此本算法與其他的基于HOG的快速檢測(cè)算法來(lái)，并不需要增加過(guò)多的計(jì)算開銷，在背景較為平滑的圖像中，與傳統(tǒng)的HOG檢測(cè)方法相比具有較少的檢測(cè)時(shí)間，對(duì)于較復(fù)雜的背景，本算法與傳統(tǒng)的HOG檢測(cè)算法相

3、當(dāng)。實(shí)驗(yàn)表明在人體檢測(cè)的準(zhǔn)確率和效率方面有所提高，對(duì)于處于半遮擋情況下人體檢測(cè)，準(zhǔn)確率也有明顯提高。
　　 對(duì)圖像中人體姿態(tài)估計(jì)方面，采用基于貝葉斯模型的人體運(yùn)動(dòng)姿態(tài)估計(jì)方法，對(duì)靜態(tài)圖像中人體進(jìn)行肢體進(jìn)行分析。提出基于邊緣輪廓特征的貝葉斯模型，為了進(jìn)一步提高肢體分析的準(zhǔn)確率引入了基于骨架軌跡圖對(duì)姿態(tài)進(jìn)行分析。
　　 對(duì)于視頻圖像中人體的姿態(tài)分析采用基于條件隨機(jī)場(chǎng)模型的靜態(tài)圖像姿態(tài)估計(jì)，首先對(duì)圖像中人體運(yùn)動(dòng)姿態(tài)的SIFT特

4、征進(jìn)行提取，建立SIFT人體運(yùn)動(dòng)特征庫(kù)對(duì)人體運(yùn)動(dòng)姿態(tài)進(jìn)行估計(jì)，采用基于條件隨機(jī)場(chǎng)的肢體可變結(jié)構(gòu)對(duì)人體進(jìn)行建模，并采用條件隨機(jī)場(chǎng)模型對(duì)對(duì)人體姿態(tài)進(jìn)行估計(jì)，
　　 為進(jìn)一步提高姿態(tài)估計(jì)的準(zhǔn)確率和滿足實(shí)時(shí)性的要求，先對(duì)人體運(yùn)動(dòng)數(shù)據(jù)進(jìn)行運(yùn)動(dòng)節(jié)奏特征數(shù)據(jù)的提取，提出基于EM-GM人體運(yùn)動(dòng)節(jié)奏特征數(shù)據(jù)的自動(dòng)提取算法；對(duì)視頻圖像中的人體運(yùn)動(dòng)采用動(dòng)態(tài)構(gòu)建顏色-邊緣特征人體模型的方法進(jìn)行建模，其中各肢體的邊緣信息匹配采用快速定向?qū)Ы?Fast D

5、irectional ChamferMatching FDCM)方法，并提出了快速人體肢體檢測(cè)算法。然后采用基于節(jié)奏運(yùn)動(dòng)信息進(jìn)行人體三維姿態(tài)估計(jì)。對(duì)檢測(cè)結(jié)果融入運(yùn)動(dòng)節(jié)奏信息進(jìn)行三維人體姿態(tài)估計(jì)，在參數(shù)的推理過(guò)程中，首先采用GPLVM方法對(duì)人體運(yùn)動(dòng)數(shù)據(jù)進(jìn)行降維處理，再采用局部動(dòng)態(tài)特征建模，最后進(jìn)行三維人體姿態(tài)參數(shù)估計(jì)。
　　 對(duì)于視頻圖像中人體姿態(tài)估計(jì)，本文提出了基于約束圖的視頻人體姿態(tài)估計(jì)方法，首先建立層次組合的人體運(yùn)動(dòng)模型，定

6、義了人體肢體模型。并提出了基于相關(guān)動(dòng)作簇的運(yùn)動(dòng)模型，為了縮減搜索空間，提出RPC節(jié)點(diǎn)圖生成樹算法，并細(xì)化了RPC的節(jié)點(diǎn)合并，節(jié)點(diǎn)分裂和生成樹平衡算法。根據(jù)RPC節(jié)點(diǎn)圖生成樹算法，提出了視頻人體姿態(tài)估計(jì)算法。和基于RPC生成樹模型的推理算法。提出了一種基于三維人體動(dòng)作庫(kù)投影圖數(shù)據(jù)驅(qū)動(dòng)的(Markov chain Monte Carlo MCMC)方法對(duì)單目視頻圖像中的人體姿態(tài)進(jìn)行跟蹤，首先對(duì)運(yùn)動(dòng)捕捉設(shè)備獲取的人體基本運(yùn)動(dòng)庫(kù)中人體外觀在不同