版權(quán)說(shuō)明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、人體運(yùn)動(dòng)的視頻分析作為計(jì)算機(jī)視覺方面的一個(gè)研究熱點(diǎn),已廣泛應(yīng)用于智能監(jiān)控、新一代人機(jī)交互、體育運(yùn)動(dòng)分析以及虛擬現(xiàn)實(shí)等研究領(lǐng)域。由于單目視頻數(shù)據(jù)來(lái)源廣泛,各種電影、體育運(yùn)動(dòng)和舞蹈都以單目視頻的形式存儲(chǔ),因而基于單目視頻的運(yùn)動(dòng)跟蹤與分析成為當(dāng)前研究的一個(gè)重要方向。在單目視頻中,人體運(yùn)動(dòng)目標(biāo)從三維投影到二維會(huì)造成深度信息丟失,因而僅從單目視頻恢復(fù)三維運(yùn)動(dòng)姿態(tài)是一件十分困難的事情,研究工作極富挑戰(zhàn)性,吸引了越來(lái)越多的研究者的關(guān)注。 本文
2、在總結(jié)和分析國(guó)內(nèi)外相關(guān)研究工作的基礎(chǔ)上,針對(duì)視頻對(duì)象分割、基于單目視頻的人體運(yùn)動(dòng)跟蹤、三維姿態(tài)恢復(fù)和重構(gòu)等方面進(jìn)行了研究。其主要研究?jī)?nèi)容和取得的成果如下: 1.提出一種利用先驗(yàn)概率模型及粒子濾波進(jìn)行視頻分割的算法 在傳統(tǒng)的背景減除來(lái)提取運(yùn)動(dòng)目標(biāo)的方法中,在背景像素值分布服從高斯模型并按照3δ規(guī)則進(jìn)行圖像分割時(shí),雖然能夠很好地提取背景,但在前景的像素值分布與背景的像素值分布有重疊的區(qū)間時(shí),會(huì)產(chǎn)生將前景誤分割為背景的現(xiàn)象。因
3、此本文算法通過(guò)粒子濾波及先驗(yàn)概率模型對(duì)下一幀中的運(yùn)動(dòng)目標(biāo)進(jìn)行預(yù)測(cè),根據(jù)預(yù)測(cè)值得到一個(gè)自適應(yīng)分割閾值而進(jìn)行視頻對(duì)象分割,從而降低了分割結(jié)果中前景點(diǎn)誤分割為背景點(diǎn)的概率。 2.提出一種從二維圖像恢復(fù)人體關(guān)節(jié)三維坐標(biāo)的算法 在沒有先驗(yàn)知識(shí)的情況下,從二維圖像恢復(fù)對(duì)應(yīng)的三維坐標(biāo)是一個(gè)病態(tài)問題。比例正交投影在滿足一定的約束條件下,可以重構(gòu)出人體關(guān)節(jié)的相對(duì)三維坐標(biāo)。由于比例正交投影只是真實(shí)投影的近似,因而由該方法重構(gòu)出的人體關(guān)節(jié)三維
4、坐標(biāo)與真實(shí)值偏差較大。本文在透視投影模型下建立了人體關(guān)節(jié)的三維相對(duì)坐標(biāo)值估算方法,采用逆運(yùn)動(dòng)學(xué)獲得各關(guān)節(jié)的旋轉(zhuǎn)歐拉角。與傳統(tǒng)算法相比,該算法具有無(wú)需攝像機(jī)標(biāo)定、對(duì)人體運(yùn)動(dòng)沒有特別約束、使用簡(jiǎn)單和人體關(guān)節(jié)三維坐標(biāo)估算精確等優(yōu)點(diǎn)。 3.提出一種適用于單目視頻的無(wú)標(biāo)記人體運(yùn)動(dòng)跟蹤方法 在現(xiàn)有的無(wú)標(biāo)記單目視頻運(yùn)動(dòng)跟蹤方法中,由于深度信息丟失,一般只能從視頻中跟蹤出人體的二維坐標(biāo)信息,而不能進(jìn)行三維運(yùn)動(dòng)跟蹤。另外,由于缺少顯著的特
5、征標(biāo)記,現(xiàn)有方法很難進(jìn)行長(zhǎng)序列人體運(yùn)動(dòng)跟蹤。針對(duì)這一現(xiàn)象,提出了一種基于形變外觀模板匹配進(jìn)行單目視頻的三維人體運(yùn)動(dòng)跟蹤算法。算法的創(chuàng)新在于:1)利用正向運(yùn)動(dòng)學(xué)及逆向運(yùn)動(dòng)學(xué)得到二維圖像上某一候選關(guān)節(jié)點(diǎn)對(duì)應(yīng)的形變外觀模板,通過(guò)模板匹配從二維視頻中恢復(fù)人體三維運(yùn)動(dòng)姿態(tài);2)采用層次化方法來(lái)恢復(fù)人體三維運(yùn)動(dòng)姿態(tài),其最優(yōu)三維人體運(yùn)動(dòng)姿態(tài)采用局部搜索獲得,能夠進(jìn)行長(zhǎng)序列人體運(yùn)動(dòng)跟蹤。 4.提出一種基于H-anim標(biāo)準(zhǔn)下的三維人體動(dòng)畫顯示方法
溫馨提示
- 1. 本站所有資源如無(wú)特殊說(shuō)明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于視頻的人體跳水運(yùn)動(dòng)跟蹤方法研究.pdf
- 基于視頻圖像的人體運(yùn)動(dòng)識(shí)別與跟蹤研究.pdf
- 基于自適應(yīng)粒子濾波的人體運(yùn)動(dòng)視頻跟蹤方法研究.pdf
- 基于視頻的人體運(yùn)動(dòng)跟蹤技術(shù)研究.pdf
- 基于視頻的人體姿態(tài)檢測(cè)與運(yùn)動(dòng)識(shí)別方法.pdf
- 基于MEMS的人體運(yùn)動(dòng)跟蹤算法研究.pdf
- 基于運(yùn)動(dòng)序列圖像的人體運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤方法的研究.pdf
- 基于視頻的人體目標(biāo)跟蹤與識(shí)別技術(shù)研究.pdf
- 基于單目視頻序列的人體運(yùn)動(dòng)分析方法研究.pdf
- 基于單視頻的人體運(yùn)動(dòng)捕獲.pdf
- 基于視頻的人體運(yùn)動(dòng)捕捉系統(tǒng).pdf
- 基于視頻的人體檢測(cè)跟蹤算法研究.pdf
- 基于視頻的人體多目標(biāo)檢測(cè)與跟蹤算法研究.pdf
- 基于視頻的人體運(yùn)動(dòng)姿態(tài)分析與重建.pdf
- 基于視頻的人體運(yùn)動(dòng)分析研究.pdf
- 視頻運(yùn)動(dòng)人體目標(biāo)跟蹤方法與性能評(píng)估.pdf
- 基于視頻的人體運(yùn)動(dòng)行為分析.pdf
- 視頻圖像序列中運(yùn)動(dòng)人體跟蹤方法研究.pdf
- 基于視頻的人體識(shí)別、跟蹤及朝向分析.pdf
- 基于關(guān)節(jié)特征點(diǎn)的人體運(yùn)動(dòng)跟蹤與分析.pdf
評(píng)論
0/150
提交評(píng)論