基于單目視覺的人體運動姿態(tài)捕捉研究與實現(xiàn).pdf

1、人體運動捕捉是計算機視覺和機器學習領域內(nèi)的一大研究熱點，在人機交互、智能監(jiān)控、虛擬現(xiàn)實、動畫制作、運動分析等領域具有日益廣闊的應用前景和巨大的市場價值。
　　基于計算機視覺的運動捕捉雖然已經(jīng)經(jīng)過了近30年的發(fā)展，但仍處于實驗室研究階段，現(xiàn)有的系統(tǒng)一般都局限于簡單場景，且僅能捕捉單人或幾個人的簡單動作，對于不加約束的人與背景的自動分離問題、遮擋問題、人體建模問題、姿態(tài)估計狀態(tài)空間龐大問題仍存在很大的研究空間，其魯棒性、精確性和實時性

2、與實際應用還有很大距離。針對這些問題，本文將重點從人體運動目標提取、人體運動目標跟蹤、人體姿態(tài)估計三個部分進行研究，主要工作如下:
　　第一，提出了一種基于在線K均值聚類自適應混合高斯背景建模的目標提取方法，對傳統(tǒng)混合高斯建模中的初始化方法和更新算法進行了改進，能夠有效處理背景中存在的各種干擾，從相對復雜的場景中較完整準確地提取出運動目標，對光照變化也有較強適應性。
　　第二，提出了一種基于SURF特征的壓縮感知目標跟蹤算法

3、，利用對尺度、旋轉(zhuǎn)、噪聲和光照等的很強不變性的SURF特征，并采用加權分類的思想構建分類器。該方法有效避免了人體建模的復雜問題，可以實現(xiàn)對目標快速準確的跟蹤。
　　第三，提出了一種基于約束樹圖模型和位置先驗的姿態(tài)估計方法，先通過檢測跟蹤獲得每一幀圖像中人體上半身的檢測框，再將擴大的檢測框作為Grab-Cut的輸入，分割前景目標，最后將姿態(tài)估計的區(qū)域限定在分割得到的前景區(qū)域上。之后，通過學習身體各部件的位置先驗知識，估計人體的外觀模