發(fā)布時間：2017-08-27 12:08

  本文關鍵詞：基于姿態(tài)估計的行為識別方法研究

  更多相關文章： 混合部件模型 姿態(tài)估計 姿態(tài)專家 姿態(tài)表示 行為識別 加權投票

【摘要】：人體姿態(tài)估計和行為識別在計算機視覺領域中一個非常熱門的研究問題。在本課題中,我們主要探討了靜態(tài)二維圖像中的人體姿態(tài)估計和行為識別的問題,并提出了一個新的方法進行人體姿態(tài)估計并且識別圖片中的人體行為。這是一項非常有挑戰(zhàn)性的工作,因為人體姿態(tài)有很高的自由度并且缺少運動線索。為了克服這一缺點,我們基于混合部件模型采用分治的思想細分了人體姿態(tài)的類型。我們構建了一個姿態(tài)專家的集合,集合中的每一個姿態(tài)專家可以的描述一種類型的姿態(tài),這些姿態(tài)比較相似或者是同一種行為的姿態(tài),因而我們采用了這兩個方案構建姿態(tài)專家集合。實驗結果顯示兩種方案都可以在困難的條件下提高姿態(tài)估計的精度。我們在兩個公開的數(shù)據(jù)庫上對我們的模型進行了測試,實驗結果表明我們的模型在姿態(tài)估計和行為識別兩個方面的精度都有顯著提高。在行為識別中,我們參考了之前得到的姿態(tài)估計專家的估計結果,結合姿態(tài)估計模型提出了一種新的靜態(tài)圖像中行為識別方法。與其他方法不同的是,我們直接把每個姿態(tài)專家的姿態(tài)估計所得到的形狀向量作為動作識別的依據(jù),通過姿態(tài)估計模型得到靜態(tài)圖像中的人體的若干個姿態(tài)向量。本文中我們使用了一種新的姿態(tài)表示方法,使得這種姿態(tài)表示模型能夠概括不同類別動作間具有判別信息的特征。由于每個姿態(tài)專家對測試圖像都有一個行為識別的預測,這里我們提出了一種改進的加權投票方法進行行為識別,具體來講就是把每個姿態(tài)專家的姿態(tài)估計精度值作為置信度,并以此來調(diào)整姿態(tài)專家在行為識別的權重。我們在一個非常困難的數(shù)據(jù)庫上對行為識別模型進行了檢測,實驗結果表明我們的模型非常有效,并且能在一定程度上容忍不太準確的姿態(tài)估計結果。
【關鍵詞】：混合部件模型 姿態(tài)估計 姿態(tài)專家 姿態(tài)表示 行為識別 加權投票
【學位授予單位】：南京航空航天大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-5
• ABSTRACT5-10
• 注釋表10-11
• 縮略詞11-12
• 第一章 緒論12-20
• 1.1 研究背景12-13
• 1.2 研究意義13-15
• 1.2.1 虛擬現(xiàn)實13
• 1.2.2 智能監(jiān)控13-14
• 1.2.3 增強現(xiàn)實14
• 1.2.4 智能人機交互14
• 1.2.5 圖像理解14-15
• 1.2.6 病人監(jiān)護15
• 1.2.7 運動員輔助訓練15
• 1.3 國內(nèi)外研究狀況15-17
• 1.3.1 人體姿態(tài)估計15-16
• 1.3.2 人體行為識別16-17
• 1.4 本文的主要研究工作17-19
• 1.5 本文的內(nèi)容安排19-20
• 第二章 基于部件模型的人體姿態(tài)估計方法20-34
• 2.1 部件模型簡介21-22
• 2.1.1 星形結構模型21
• 2.1.2 樹形結構模型21-22
• 2.1.3 其它相關的估計模型22
• 2.2 部件模型理論介紹22-23
• 2.2.1 顏色模型22
• 2.2.2 方向梯度描述符22-23
• 2.2.3 常用的部件檢測方法23
• 2.3 部件模型中的結構約束23-29
• 2.3.1 線性參數(shù)的彈簧模型24-26
• 2.3.1.1 部件模型外觀度量25
• 2.3.1.2 部件模型形變度量25-26
• 2.3.2 關節(jié)模型26
• 2.3.3 高斯樹模型26-28
• 2.3.3.1 空間先驗26-27
• 2.3.3.2 特征似然27-28
• 2.3.3.3 線性后驗28
• 2.3.4 推理求解28-29
• 2.3.4.1 MAP估計28-29
• 2.3.4.2 部件模型的復雜度分析29
• 2.4 采樣29
• 2.5 學習過程29-32
• 2.5.1 生成模型30
• 2.5.2 條件隨機場30-31
• 2.5.3 結構最大間隔模型31
• 2.5.4 隱變量結構模型31-32
• 2.6 其他模型32
• 2.7 小結32-34
• 第三章 基于姿態(tài)專家的人體姿態(tài)估計34-46
• 3.1 基于混合部件模型的人體姿態(tài)估計34-35
• 3.2 混合部件模型簡介35-38
• 3.2.1 模型介紹35-37
• 3.2.2 動態(tài)規(guī)劃求解37
• 3.2.3 模型分析及對策37-38
• 3.3 基于姿態(tài)專家的人體姿態(tài)估計38-41
• 3.3.1 姿態(tài)專家38-39
• 3.3.2 姿態(tài)聚類39-41
• 3.3.2.1 SHAPE CONTEXT特征39-40
• 3.3.2.2 姿態(tài)專家訓練過程40-41
• 3.4 實驗結果41-44
• 3.4.1 UIUC PEOPLE數(shù)據(jù)庫41-43
• 3.4.1.1 實驗配置41-42
• 3.4.1.2 實驗結果及分析42-43
• 3.4.2 WEB數(shù)據(jù)庫43-44
• 3.4.2.1 實驗配置43
• 3.4.2.2 實驗結果及分析43-44
• 3.5 小結44-46
• 第四章 基于姿態(tài)專家的行為識別46-55
• 4.1 行為識別概述46-48
• 4.2 行為識別48-50
• 4.2.1 基于圖模型的行為表示方法48-49
• 4.2.2 基于姿態(tài)專家的行為識別模型49-50
• 4.3 實驗結果50-54
• 4.3.1 實驗配置50
• 4.3.2 實驗結果及分析50-54
• 4.4 小結54-55
• 第五章 總結與展望55-58
• 5.1 人體姿態(tài)估計55-56
• 5.1.1 工作總結55
• 5.1.2 未來展望55-56
• 5.2 行為識別56-58
• 5.2.1 工作總結56-57
• 5.2.2 未來展望57-58
• 參考文獻58-65
• 致謝65-66
• 在學期間的研究成果及發(fā)表的學術論文66

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 馬瑾;陳立潮;張永梅;;基于分類的頭部姿態(tài)估計算法的研究[J];科技情報開發(fā)與經(jīng)濟;2006年02期

2 傅澤寧;邵曉巍;龔德仁;段登平;;最優(yōu)遞歸線性姿態(tài)估計算法[J];測控技術;2012年06期

3 張小平,朱紅鋒,劉志鏡;多姿態(tài)人臉照片的姿態(tài)估計[J];計算機仿真;2005年04期

4 史東承,于德海,楊冬;一種多視角人臉姿態(tài)估計算法[J];長春工業(yè)大學學報(自然科學版);2004年01期

5 鐘志光;易建強;趙冬斌;洪義平;李新征;;一種魯棒的只需兩幀圖像的姿態(tài)估計方法[J];模式識別與人工智能;2005年04期

6 張根寶;楊永;;粒子濾波器及其在衛(wèi)星姿態(tài)估計中的應用[J];計算機工程與科學;2011年06期

7 張彩霞;趙青娥;;基于旋轉(zhuǎn)體的攝像機姿態(tài)估計[J];北方工業(yè)大學學報;2011年03期

8 郭作敏;飛行器實時姿態(tài)估計系統(tǒng)[J];光機電信息;1997年12期

9 陳曉鋼;陸玲;周書民;劉向陽;;一種新的人臉姿態(tài)估計算法[J];數(shù)據(jù)采集與處理;2009年04期

10 劉淼;郭東偉;馬捷;孫浩翔;周春光;;基于橢圓模型和神經(jīng)網(wǎng)絡的人臉姿態(tài)估計方法[J];吉林大學學報(理學版);2008年04期

中國重要會議論文全文數(shù)據(jù)庫 前2條

1 葉蓬;劉方;;一種基于李群的目標姿態(tài)估計方法[A];全國第二屆信號處理與應用學術會議�？痆C];2008年

2 牟忠凱;隋立芬;甘雨;黃賢源;;觀測噪聲為有色噪聲的UKF姿態(tài)估計算法[A];第二屆中國衛(wèi)星導航學術年會電子文集[C];2011年

中國博士學位論文全文數(shù)據(jù)庫 前4條

1 劉袁緣;自然環(huán)境下頭部姿態(tài)估計方法的研究與應用[D];華中師范大學;2015年

2 崔錦實;基于三維模型的關節(jié)式物體姿態(tài)估計與跟蹤方法研究[D];清華大學;2004年

3 趙松;人臉識別中的姿態(tài)估計、識別算法和融合算法的研究[D];中國科學技術大學;2009年

4 歐陽毅;單目視頻中人體運動建模及姿態(tài)估計研究[D];浙江大學;2012年

中國碩士學位論文全文數(shù)據(jù)庫 前10條

1 石廣升;基于Kinect的物體三維模型構建和姿態(tài)估計方法研究[D];哈爾濱工業(yè)大學;2015年

2 杜署明;基于捷聯(lián)慣性傳感的吊鉤姿態(tài)估計技術研究[D];大連理工大學;2015年

3 劉則芬;基于擴展梯度直方圖的行人檢測及姿態(tài)估計研究[D];合肥工業(yè)大學;2014年

4 張亞男;低成本動中通測控系統(tǒng)姿態(tài)估計算法的設計與實現(xiàn)[D];電子科技大學;2015年

5 張培浩;基于姿態(tài)估計的行為識別方法研究[D];南京航空航天大學;2015年

6 孫昊翔;關于人臉姿態(tài)估計問題的研究[D];吉林大學;2007年

7 李華明;基于中國人面貌形態(tài)學特征的人臉姿態(tài)估計方法研究[D];西北大學;2005年

8 楊旭;基于稀疏流形的頭部姿態(tài)估計研究[D];華中科技大學;2013年

9 臧舒婷;基于單目相機的頭部姿態(tài)估計算法研究[D];東北大學;2013年

10 崔少奇;人臉姿態(tài)估計算法的研究[D];西北大學;2015年

，

本文編號：745480