本文關(guān)鍵詞：基于衣服屬性感知的人體姿勢預測，由筆耕文化傳播整理發(fā)布。

【摘要】：近年來在圖像分析、動作識別等領(lǐng)域,人體姿勢預測這個基本問題得到了科學家們廣泛的關(guān)注。從已有的工作來看,人的頭部、身軀等部位已經(jīng)取得了很高的精度,但是手臂由于其豐富的姿勢變化,目前還只有0.7的精度,這幾乎是人體姿勢預測領(lǐng)域最大的挑戰(zhàn)。一個簡單的想法是,衣服屬性信息對于姿勢的精準預測有很大的幫助。前人也有很多利用衣服屬性信息去幫助姿勢預測的工作,但是需要人為地去標注大量的衣服屬性標簽信息,這是一項極其耗時的工作。在本文中,我們提出了基于隱式衣服屬性的人體姿勢預測(Human Pose Estimation)模型。本文通過對圖畫式結(jié)構(gòu)(Pictorial Structure)進行擴展來形式化人體姿勢預測問題,特別地,我們將衣服屬性作為隱變量來建模。跟傳統(tǒng)的基于標注信息進行預測的方法不同,我們不需要衣服屬性的標注信息,而且可以高效的進行求解。在本文中,我們定義了幾種比較重要的衣服屬性,并且建立了衣服屬性和人體部位之間的關(guān)系(比如袖子和手臂等)。進而,我們設(shè)計了兩種特征,一是人體軀干對應的特征,二是人體軀干和衣服屬性的聯(lián)合特征。基于聯(lián)合特征,采用隱式結(jié)構(gòu)式支持向量機(Latent Structure SVM)算法來進行模型的訓練。所有的隱變量問題都會涉及到隱變量的初始化問題,我們采用K-Means聚類算法來初始化隱變量。接著,采用增量迭代的方式來進行參數(shù)的學習,即就是最小化隱式結(jié)構(gòu)式支持向量機的目標函數(shù)。本文采用迭代的方式來求解最優(yōu)解,首先當衣服屬性變量確定的時候,本文采用動態(tài)規(guī)劃(Dynamic Programming)的算法進行人體姿勢的求解。其次,當人體姿勢確定的時候,我們可以采用算法2來確定衣服屬性的變量。在兩個公開的數(shù)據(jù)集上,本文進行了大量的實驗,結(jié)果顯示本文的方法超過了傳統(tǒng)最好的方法,特別是在手臂的預測上,本文比前人工作提高了8個百分點,并且本文將具有同樣衣服屬性的照片聚在了一起。
【關(guān)鍵詞】：人體姿勢預測 結(jié)構(gòu)式學習 隱變量
【學位授予單位】：上海交通大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要3-5
• ABSTRACT5-13
• 第一章 引言13-19
• 1.1 背景和意義13
• 1.2 研究內(nèi)容和方法13-15
• 1.3 本文的貢獻15
• 1.4 論文組織15-17
• 1.5 本章小結(jié)17-19
• 第二章 相關(guān)工作19-23
• 2.1 人體姿勢預測19-20
• 2.2 衣服屬性分析20
• 2.3 隱變量結(jié)構(gòu)式學習20-21
• 2.4 本章小結(jié)21-23
• 第三章 背景知識23-33
• 3.1 圖模型23-24
• 3.2 圖畫式結(jié)構(gòu)24-27
• 3.3 結(jié)構(gòu)式學習27-28
• 3.4 形變部位模型28-31
• 3.5 本章小結(jié)31-33
• 第四章 基于隱式衣服屬性變量的姿勢預測33-45
• 4.1 聯(lián)合特征分析與設(shè)計35-37
• 4.1.1 人體軀干相關(guān)特征35-36
• 4.1.2 衣服屬性相關(guān)特征36-37
• 4.2 基于隱變量的結(jié)構(gòu)式學習37-39
• 4.2.1 目標函數(shù)37-38
• 4.2.2 隱變量初始化38-39
• 4.2.3 模型訓練策略39
• 4.2.4 負樣本空間管理39
• 4.3 有環(huán)圖的預測39-41
• 4.3.1 因子圖表示39-41
• 4.3.2 最優(yōu)解估計41
• 4.4 本章小結(jié)41-45
• 第五章 人體姿勢預測的應用案例45-55
• 5.1 基于多媒體數(shù)據(jù)的事件挖掘45-47
• 5.2 基于電商平臺的衣服搜索47-51
• 5.2.1 衣服屬性分析49-51
• 5.2.2 衣服分類和匹配51
• 5.3 基于圖片的廣告推薦51-53
• 5.4 本章小結(jié)53-55
• 第六章 實驗結(jié)果55-61
• 6.1 數(shù)據(jù)集55
• 6.2 實驗評測規(guī)則55-56
• 6.3 實驗結(jié)果分析56-57
• 6.4 本章小結(jié)57-61
• 第七章 總結(jié)與展望61-63
• 參考文獻63-69
• 致謝69-71
• 攻讀學位期間發(fā)表的學術(shù)論文目錄71-73

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王秀美;高新波;張乾坤;宋國鄉(xiāng);;一種基于局部保持的隱變量模型[J];模式識別與人工智能;2010年03期

2 姚宏亮;王秀芳;王浩;;一種基于結(jié)構(gòu)分解和因子分析的貝葉斯網(wǎng)絡隱變量發(fā)現(xiàn)算法[J];計算機科學;2012年02期

3 姚宏亮;吳立輝;王浩;李俊照;;局部因果關(guān)系分析的隱變量發(fā)現(xiàn)算法[J];計算機科學與探索;2014年04期

4 熊麗;梁軍;錢積新;;基于偏最小二乘隱變量空間的控制器設(shè)計方法[J];化工學報;2007年02期

5 仝明磊;邊后琴;;共享隱變量模型的解析算法及應用[J];上海電力學院學報;2010年05期

6 王磊;鄒北驥;彭小寧;;針對表情動作單元跟蹤的隧道隱變量法[J];自動化學報;2009年02期

7 肖應旺;;動態(tài)隱變量法及其在動態(tài)過程監(jiān)控中的應用[J];儀器儀表學報;2012年01期

8 李建明;曲成毅;;隱變量交互作用分析建模方法——兩階段最小二乘法(2SLS)及其在SAS軟件上的實現(xiàn)[J];數(shù)理醫(yī)藥學雜志;2011年06期

9 仝明磊;韓紅;朱武;;利用共享動態(tài)隱變量模型估計三維人體運動[J];中國科學:信息科學;2012年01期

10 楊智勇;劉金蘭;;基于隱變量分析的IT投資回報模型研究[J];統(tǒng)計與決策;2007年18期

中國重要會議論文全文數(shù)據(jù)庫 前1條

1 瞿英;賈建;吳祈宗;;基于灰色關(guān)聯(lián)聚類的隱變量學習算法研究[A];2009中國控制與決策會議論文集（3）[C];2009年

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 李萬益;基于隱變量概率統(tǒng)計模型的人體運動形態(tài)估計[D];華南理工大學;2015年

2 王秀美;隱變量模型的建模與優(yōu)化[D];西安電子科技大學;2010年

3 薛曉川;含隱變量的生物系統(tǒng)動力學：從單分子到細胞[D];清華大學;2009年

4 池清華;PLS隱變量空間模型預測控制算法研究[D];浙江大學;2015年

中國碩士學位論文全文數(shù)據(jù)庫 前5條

1 黃斐;基于隱變量模型的歌曲轉(zhuǎn)換方法研究[D];西安建筑科技大學;2015年

2 吳立輝;貝葉斯網(wǎng)絡的因果隱變量發(fā)現(xiàn)及其應用研究[D];合肥工業(yè)大學;2014年

3 張衛(wèi)鵬;基于衣服屬性感知的人體姿勢預測[D];上海交通大學;2015年

4 王秀芳;具有隱變量的貝葉斯網(wǎng)絡結(jié)構(gòu)學習研究[D];合肥工業(yè)大學;2012年

5 和超;基于結(jié)構(gòu)EM的隱變量模型學習方法[D];云南大學;2015年

  本文關(guān)鍵詞：基于衣服屬性感知的人體姿勢預測，，由筆耕文化傳播整理發(fā)布。

本文編號：405962