基于概率模型的三維人體運動跟蹤研究.pdf

1、本文的主要研究內容是從多個同步的視頻序列中自動恢復人體的三維運動姿態(tài)。這種無標記的人體運動捕捉跟蹤技術可廣泛應用于體育運動分析、醫(yī)學診斷、虛擬現實、計算機動畫、視頻監(jiān)控、人機交互等領域。由于存在非剛體人體描述、人體模型的三維到二維投影多義性、人體模型的自遮擋、高維狀態(tài)空間搜索、復雜條件下的圖像特征提取與匹配等方面的困難，從視頻圖像中恢復出人體三維運動姿態(tài)存在大量的不確定性。因此三維人體運動跟蹤是計算機視覺領域一項非常有挑戰(zhàn)性的任務。

2、 本文提出了有模型指導的三維人體運動跟蹤框架，將一個多關節(jié)的圓臺形狀三維人體模型與多個視頻圖像中的外輪廓、邊界、狄度和膚色特征進行匹配，使人體運動跟蹤變成一個狀態(tài)估計問題。并且，使用基于概率模型的粒子濾波算法來完成非線性、非高斯動態(tài)系統(tǒng)的狀態(tài)估計。 粒子濾波算法雖然能在混亂背景及遮擋情況下很好地完成一般跟蹤任務，但是對于人體運動估計仍然存在困難。因此本文提出了兩種新的粒子濾波改進策略。一種是將狀態(tài)空間分解和PERM(Prun

3、ed-Enriched Rosenbluth Method)采樣與退火粒子濾波結合，提高了對多模式后驗分布的模擬精度。另一種是確定性搜索方法與隨機采樣方法相結合的改進粒子濾波算法，用于跟蹤復雜背景下的三維人體運動。這種新的粒子濾波算法的最大特點就是通過局部優(yōu)化方法來指導重要性分布函數的生成，使得對高維空間中多峰后驗分布函數的估計成為可能。 此外，在圖像特征提取方面，本文提出了一種非參數的背景估計模型，用于檢測視頻圖像中的運動人體