学位论文 > 优秀研究生学位论文题录展示
基于视频的运动捕捉关键技术研究
作 者: 张俊杰
导 师: 纪越峰
学 校: 北京邮电大学
专 业: 通信与信息系统
关键词: 运动目标提取 形状分析 手脸检测 动作识别
分类号: TP391.41
类 型: 硕士论文
年 份: 2013年
下 载: 38次
引 用: 0次
阅 读: 论文下载
内容摘要
运动捕捉技术是指从一个或多个视角恢复出包括关节位置等人体姿态参数的技术,涉及计算机视觉、模式识别、人体运动学、人工智能等多个研究领域。该技术的应用领域包括智能视频监控、电影与动画制作、新型人机交互、基于内容的图像视频搜索等。本文主要对单目视频中的人体动作进行分析。本文所采用的方法是基于模板匹配的二维形状分析方法。由于人体剪影比较容易提取且包含丰富的信息,故本文将剪影作为主要对象进行分析。本文分析人体运动视频的具体步骤为前景人体检测、底层特征提取和动作分类识别。其中,前景人体检测采用背景减法获取运动区域,并加入预处理以去除阴影等伪目标;提取的底层特征主要为人体形状信息,包括儿何特征和矩特征:;动作分类识别采用的是模板匹配的方法。本文的算法在公共动作视频库魏茨曼动作库上达到了很高的识别率,从而验证了算法的有效性。本文针对人体剪影部分分割的问题提出了一种关节自动标注的方法。本文还提出了一种判别监控视频中的异常行为的实现方法。本文分析的异常行为包括人体倒地、跨越界线、搬动物品等。本文的创新之处在于以下两点:1).利用手脸相对位置分析人体自遮挡动作。单目视频分析的主要难点在于自遮挡及深度信息丢失的问题。本文针对人体剪影形状信息无法对人体自遮挡动作进行分析的难题,提出了利用肤色检测得到人体双手和脸部所在的位置,然后计算手脸的相对位置信息并判别人体所处姿态。2).提出了一种人体关节点自动标注的方法。在进行动作识别的过程中,人体各肢体部分的自动分割对人体跟踪失败恢复和人体姿态正确判别非常有利。本文综合利用人体肤色信息、剪影形状信息以及人体生理学比例信息进行人体部分分割,能够对正面人体进行自动关节点标注。
|
全文目录
摘要 4-5 ABSTRACT 5-9 第一章 绪论 9-18 1.1 课题研究背景 9-11 1.2 国内外研究现状 11-13 1.3 课题研究内容 13-16 1.3.1 运动目标检测 13-14 1.3.2 特征提取 14-15 1.3.3 动作识别 15 1.3.4 人体关节点自动标注 15 1.3.5 监控视频异常事件分析 15-16 1.4 本文工作的创新之处 16 1.5 论文安排 16-18 第二章 运动人体检测与形状描述 18-32 2.1 引言 18-19 2.2 运动目标提取 19-23 2.2.1 常用的前景提取方法 19-21 2.2.2 形态学处理 21-22 2.2.3 实验结果与分析 22-23 2.3 阴影消除 23-25 2.3.1 阴影产生原因及常用消除方法 23-24 2.3.2 HSV模型 24 2.3.3 实验结果与分析 24-25 2.4 形状分析 25-30 2.4.1 边缘检测器及轮廓表示方法 25-26 2.4.2 全局几何特征 26-27 2.4.3 变换域特征 27-30 2.5 本章小结 30-32 第三章 动作分类与识别 32-44 3.1 引言 32-35 3.1.1 动作识别方法分类 32-33 3.1.2 基于范例的动作识别方法 33-35 3.1.3 分类器选择 35 3.2 基于手脸位置的动作粗分类 35-39 3.2.1 人脸检测与肤色提取 36-37 3.2.2 肤色三角相似度进行动作粗略估计 37-39 3.3 公用动作数据库验证 39-40 3.4 实验结果与分析 40-43 3.5 本章小结 43-44 第四章 人体关节点自动标注 44-52 4.1 引言 44 4.2 关节点自动标注算法流程 44-47 4.3 实验结果 47-51 4.4 本章小结 51-52 第五章 监控视频异常事件分析 52-60 5.1 引言 52-53 5.2 异常事件检测实现方案 53-56 5.3 实验结果 56-59 5.4 本章小结 59-60 第六章 总结与展望 60-62 6.1 本文工作总结 60 6.2 后续研究工作展望 60-62 参考文献 62-65 致谢 65-66 攻读硕士期间发表的学术论文及申请的专利 66
|
相似论文
- 交通标志自动分割识别算法研究,TP391.41
- 基于时空关键点的动作识别算法研究,TP391.41
- 复杂场景中的时空特征学习与人体行为分析,TP391.41
- 视频监控中目标的行为分析,TP391.41
- 虚拟架子鼓演示系统的设计与研究,TS953.36
- 道路交通标志的检测与识别,TP391.41
- 消防单兵综合信息采集系统研究,TP274.2
- 核素肾动态显像图像处理及定量分析,TP391.41
- 基于sEMG辨识技术的手部动作行为研究,TP183
- 基于背景剪除和隐马尔可夫模型的人体动作识别,TP391.41
- 基于视频的人体上肢运动分析技术研究,TP391.41
- 基于共享资源声明的并发访问控制研究与实现,TP311.1
- 视频中的Spatio-temporal SIFT特征点检测,TP391.41
- 基于计算机视觉的动作识别对人机界面消隐的研究,TP391.41
- 交通场景中智能多目标跟踪技术研究,TP391.41
- 基于拉普拉斯变形技术的形状分析方法研究,TP391.72
- 基于三维加速度传感器的人体运动能耗检测系统的研究,TP212
- 基于视频的运动目标提取算法研究,TP391.41
- 基于特征模型相似性的运动目标分类,TP391.41
- 基于Procrustes形状频谱分析的多视角步态识别算法,TP391.41
- 指针程序的分析以及循环不变形状图的推断,TP311.1
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|