基于量子免疫克隆的三維人體跟蹤算法研究.pdf

1、基于計(jì)算機(jī)視覺的人體運(yùn)動(dòng)分析，是指如何從有人體運(yùn)動(dòng)存在的圖像序列中，萃取出不同場(chǎng)景中人體的位置、輪廓、紋理等二維運(yùn)動(dòng)信息，恢復(fù)出人體三維姿態(tài)，它在姿態(tài)估計(jì)、場(chǎng)景監(jiān)控、醫(yī)學(xué)運(yùn)動(dòng)分析、人機(jī)交換接口、行為理解、語義分析、基于內(nèi)容的圖像存儲(chǔ)與檢索等方面具有廣泛的應(yīng)用前景及經(jīng)濟(jì)價(jià)值。
　　 近年來，基于視覺的三維人體運(yùn)動(dòng)分析，受到了國際國內(nèi)很多學(xué)者的關(guān)注?？偟膩碚f分為三部分：人體檢測(cè)、運(yùn)動(dòng)跟蹤與運(yùn)動(dòng)理解。其中三維人體運(yùn)動(dòng)跟蹤是其中最關(guān)鍵的

2、環(huán)節(jié)之一?；谝曨l圖像序列的人體三維運(yùn)動(dòng)估計(jì)是一個(gè)復(fù)雜的高維非線性問題，而且對(duì)實(shí)時(shí)性要求較高。面對(duì)待估計(jì)的狀態(tài)向量維數(shù)非常高的問題，在高維空間里進(jìn)行全局搜索或優(yōu)化非常耗時(shí)，而使用確定性優(yōu)化方法則很容易陷入局部最優(yōu)解，使用粒子濾波器等隨機(jī)搜索方法也得不到滿意的結(jié)果。為了提高對(duì)復(fù)雜的高維狀態(tài)空間的搜索效率，求得更優(yōu)的跟蹤結(jié)果，將量子計(jì)算的并行性引入到免疫克隆優(yōu)化算法之中，用于求解人體三維運(yùn)動(dòng)跟蹤問題。因?yàn)榱孔佑?jì)算具有疊加性和并行性，因此在優(yōu)

3、化高維函數(shù)時(shí)有很大的優(yōu)勢(shì)，且具有良好的搜索能力和搜索速度，適合于人體跟蹤這一類高維非線性，且實(shí)時(shí)性要求比較高的高維優(yōu)化問題。
　　 從目前基于視覺的人體運(yùn)動(dòng)跟蹤的研究現(xiàn)狀和特點(diǎn)出發(fā)，本論文主要完成了下列工作：
　　 1.使用大量的人體物理約束和先驗(yàn)信息，同時(shí)根據(jù)圖像序列中人體區(qū)域的自身特點(diǎn)，自動(dòng)的找到頭頂點(diǎn)、根結(jié)點(diǎn)以及四肢點(diǎn)的初始位置，改進(jìn)了人體關(guān)節(jié)點(diǎn)自動(dòng)檢測(cè)算法；在人體關(guān)鍵點(diǎn)檢測(cè)算法的基礎(chǔ)上，使用卡爾曼濾波器設(shè)計(jì)出了漏

4、檢點(diǎn)和錯(cuò)檢點(diǎn)預(yù)測(cè)機(jī)制，最后得到了穩(wěn)定的人體關(guān)鍵點(diǎn)信息。
　　 2.提出了一種基于量子進(jìn)化算法的三維人體跟蹤方法。與貝葉斯估計(jì)框架不同，論文把人體跟蹤問題當(dāng)作非線性函數(shù)優(yōu)化問題，結(jié)合量子進(jìn)化算法的更新和變異思想，設(shè)計(jì)出了全部使用概率表示的個(gè)體，使得算法可以滿足人體跟蹤要求的高維度優(yōu)化，最終快速地恢復(fù)了三維人體姿態(tài)。
　　 3.提出了一種基于量子免疫克隆算法的三維人體跟蹤方法。本論文中的算法框架，跟使用粒子濾波器等確定性優(yōu)化