隨著社會(huì)的進(jìn)步與物質(zhì)文化水平的提升,人們?cè)絹?lái)越重視日常娛樂、健身等需求�？梢栽诩彝ゼ吧鐓^(qū)方便使用的人體運(yùn)動(dòng)評(píng)價(jià)系統(tǒng)能很大程度上提升娛樂健身的樂趣與體驗(yàn)。現(xiàn)有的人體動(dòng)作分析方法多是基于可穿戴設(shè)備等專業(yè)系統(tǒng),它們價(jià)格昂貴,使用不便。而近年廣受關(guān)注的消費(fèi)級(jí)深度相機(jī)在人體運(yùn)動(dòng)分析上能在一定場(chǎng)景替代一些專業(yè)設(shè)備,且使用方便。針對(duì)有規(guī)律的人體連續(xù)動(dòng)作評(píng)價(jià)問(wèn)題,本文利用深度相機(jī)分別從人體目標(biāo)跟蹤、人體骨架模型矯正、人體動(dòng)作特征描述及人體動(dòng)作評(píng)分方法等四個(gè)方面展開研究。本文的主要工作及創(chuàng)新點(diǎn)如下:(1)根據(jù)Kinect深度圖像的特點(diǎn),提出一種改進(jìn)的結(jié)合Kalman濾波器的Meanshift人體目標(biāo)跟蹤方法。首先分析了傳統(tǒng)的Kalman-Meanshift方法在深度圖像中跟蹤人體目標(biāo)時(shí)出現(xiàn)“近物跳變”與“遠(yuǎn)物跳變”缺陷的原因。針對(duì)這兩種缺陷,分別提出了基于深度值變化的跟蹤模板更新方法與基于人體目標(biāo)檢測(cè)與障礙物屏蔽的再跟蹤方法,解決了有障礙物干擾時(shí)出現(xiàn)的跟蹤框跳變現(xiàn)象,提高了深度圖像中人體目標(biāo)的跟蹤準(zhǔn)確率。(2)基于關(guān)節(jié)點(diǎn)線性運(yùn)動(dòng)模型,提出了一種基于Kalman濾波器的關(guān)節(jié)點(diǎn)預(yù)測(cè)矯正方法。首先分析了Kinect骨架模型在人體肢體相互交叉、遮擋或人體作大幅度動(dòng)作時(shí)部分關(guān)節(jié)點(diǎn)瞬間遠(yuǎn)距離跳變的問(wèn)題。對(duì)易跳變關(guān)節(jié)點(diǎn)建立線性運(yùn)動(dòng)模型,利用Kalman濾波器輸出的預(yù)測(cè)位置進(jìn)行關(guān)節(jié)點(diǎn)跳變的判斷與矯正,從而獲取更準(zhǔn)確的Kinect關(guān)節(jié)點(diǎn)位置。(3)為了更準(zhǔn)確的進(jìn)行人體動(dòng)作評(píng)價(jià),提出了一種基于人體關(guān)節(jié)點(diǎn)間幾何特征與平面法線方向的特征描述子。首先使用9個(gè)人體關(guān)節(jié)點(diǎn)構(gòu)造三角形的相對(duì)面積和三角形所在平面法線方向與豎直方向的夾角作為特征,然后用特征的變化速率自適應(yīng)地對(duì)各特征進(jìn)行加權(quán),得到最終的帶權(quán)值的特征描述子。實(shí)驗(yàn)表明所提出的特征描述方法相較其他特征方法能更準(zhǔn)確描述人體動(dòng)作變化。(4)基于模板比對(duì)的思想,提出了一種基于改進(jìn)DTW算法的人體動(dòng)作評(píng)價(jià)方法。首先介紹了一種考慮一階與二階微分的DTW改進(jìn)方法,以提高特征序列的匹配準(zhǔn)確性,然后由標(biāo)準(zhǔn)動(dòng)作與對(duì)比動(dòng)作的DTW距離與專家評(píng)分進(jìn)行距離-分?jǐn)?shù)的對(duì)應(yīng),從而給出對(duì)比動(dòng)作的評(píng)分。實(shí)驗(yàn)表明,基于改進(jìn)DTW算法的人體動(dòng)作評(píng)價(jià)方法能較好地對(duì)人體動(dòng)作給出量化評(píng)價(jià),且評(píng)價(jià)準(zhǔn)確性較基于傳統(tǒng)DTW的方法更好。
【學(xué)位單位】：杭州電子科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP391.41;TN713
【部分圖文】：

杭州電子科技大學(xué)碩士學(xué)位論文基礎(chǔ)上做了一些軟硬件上的增強(qiáng)，主要是彩色相機(jī)的像素提高到了，深度相機(jī)的有效距離范圍更大，精度更高。同時(shí)，適用于 Kinec相較于 1 代的版本多出了 5 個(gè)人體關(guān)節(jié)點(diǎn)，達(dá)到了 25 個(gè)。并且新了簡(jiǎn)單的手勢(shì)信息，各關(guān)節(jié)點(diǎn)的抗干擾能力更強(qiáng)。度信息是 Kinect 傳感器的主要特點(diǎn)。Kinect1.0 的深度圖像原理是通射裝置與一個(gè)紅外傳感器而組成，紅外發(fā)射器向空間中發(fā)射散布在線，紅外傳感器對(duì)物體上的紅外光散斑進(jìn)行捕獲，即可得到每個(gè)位Kinect2.0 的深度信息更加準(zhǔn)確，是因?yàn)槠湓谠碓谧隽烁倪M(jìn)，K設(shè)備的紅外發(fā)射裝置基礎(chǔ)上，利用了飛行時(shí)間測(cè)距法（Time of Fligh

圖 2.2 標(biāo)準(zhǔn) Kalman 濾波器算法示意圖Kalman 濾波器在目標(biāo)跟蹤問(wèn)題中也發(fā)揮了很大作用。在應(yīng)用 Meanshift圖像目標(biāo)跟蹤時(shí)，圖像背景干擾或目標(biāo)被大面積遮擋會(huì)造成跟蹤失敗，的方法是在原有算法基礎(chǔ)上引進(jìn) Kalman 濾波器，對(duì)目標(biāo)質(zhì)心建立運(yùn)動(dòng)利用 Kalman 濾波器的位置預(yù)測(cè)能力來(lái)解決跟蹤失敗。對(duì)于目標(biāo)顏色變的跟蹤失敗，一般采用模板更新的方法來(lái)解決。如 Fu 等[44]在均值漂移算法的基礎(chǔ)上結(jié)合了最小二乘支持向量機(jī)(ares Support Vector Machine, LSSVM)和 Kalman 濾波進(jìn)行抗遮擋跟蹤，用來(lái)判斷目標(biāo)是否出現(xiàn)大面積遮擋，當(dāng)無(wú)遮擋或者遮擋面積較小就用 Ka器預(yù)測(cè)目標(biāo)位置，當(dāng)遮擋面積過(guò)大，就用 LSSVM 來(lái)預(yù)測(cè)目標(biāo)位置，較了運(yùn)動(dòng)目標(biāo)遮擋檢測(cè)和跟蹤的問(wèn)題。Hsieh 等[45]在利用均值漂移算法跟，用 Kalman 濾波器預(yù)測(cè)目標(biāo)位置，以作為背景干擾的判斷機(jī)制，當(dāng)遇背景干擾而跟蹤失敗，即利用自適應(yīng)增強(qiáng)（Adaptive Boosting, Adaboos新檢測(cè)出目標(biāo)，完成再跟蹤。李文輝等[46]利用結(jié)合粒子濾波的均值漂移行人跟蹤，自適應(yīng)的選取與目標(biāo)附近顏色差別最大的部分作為目標(biāo)模板

杭州電子科技大學(xué)碩士學(xué)位論文近，此時(shí)，會(huì)出現(xiàn)目標(biāo)跟蹤框 “跳變”至障礙物區(qū)域的情況，造成跟蹤失敗，如圖 2.3 所示。在圖 2.3(a)中，Meanshift 跟蹤框(紅色矩形框)內(nèi)為正在跟蹤的人體目標(biāo)，且該人體正走向一較大的障礙物，跟蹤框準(zhǔn)確跟蹤人體。而在圖 2.3(b)中，由于行人非常靠近障礙物，Meanshift 出現(xiàn)了誤跟蹤的情況。在該幀里，跟蹤框“跳變”到障礙物區(qū)域，導(dǎo)致跟蹤失敗，稱這種情形為“近物跳變”。
【參考文獻(xiàn)】

相關(guān)期刊論文 前4條

1 曹昊;諸宸辰;李楊;;一種深度圖像中人體的實(shí)時(shí)跟蹤算法[J];計(jì)算機(jī)工程;2013年09期

2 楊旗;薛定宇;;基于雙尺度動(dòng)態(tài)貝葉斯網(wǎng)絡(luò)及多信息融合的步態(tài)識(shí)別[J];電子與信息學(xué)報(bào);2012年05期

3 李文輝;周強(qiáng);王瑩;張德才;;基于均值偏移粒子濾波的自適應(yīng)跟蹤[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2012年02期

4 趙曉東;李其攀;王志成;;一種快速人體骨架建模方法[J];計(jì)算機(jī)應(yīng)用研究;2012年01期

本文編號(hào)：2863405