学位论文 > 优秀研究生学位论文题录展示

智能教室中基于视觉的人体姿态估计

作　者: 周家骥
导　师: 申瑞民
学　校: 上海交通大学
专　业: 计算机视觉与模式识别
关键词: 计算机视觉 双目视觉 轮廓匹配 姿态估计 智能教室 E-Learning
分类号: TP391.41
类　型: 硕士论文
年　份: 2011年
下　载: 174次
引　用: 1次
阅　读: 论文下载
 

内容摘要


令计算机能够理解人类的行为,是一直以来人工智能科学家的梦想。人体行为分析是一项具有广阔应用前景的计算机视觉与模式识别的交叉技术。其在军事、安全、医疗、娱乐以及人机交互领域都有着重要的应用前景。本文结合上海交通大学E-Learning实验室的“标准自然教室”(SNC)的创新智能教室框架提出了一种在未来教学环境中应用人体行为分析技术的设想。在SNC中应用了大量人工智能、计算机视觉方法,利用计算机技术,为教师和学生在网络与教室环境中提供人性、智能的教学体验。人体姿态估计是人体行为分析的一项关键技术,提供准确的人体姿态估计,是人体行为分析的前提。本文在智能教室框架下,着重研究了基于视觉的人体姿态估计的算法研究以及相关应用系统的设计。论文的主要贡献是提出了一种利用双目视觉算法,结合深度信息以及轮廓匹配算法的人体姿态估计方法。在视差图计算方面,论文提出了利用中值滤波以及表面约束对SAD视差估计算法的一种改进。基于计算得到的视差图,提出了一种结合深度信息以及Active Contour算法的人体轮廓提取算法。这种人体轮廓提取算法与传统的混合高斯模型分离人像方法相比,具有对环境以及背景的变化有更好的抗干扰性,并且不需要预先学习背景模型。并且,Active Contour算法可以给出平滑的人体轮廓,更贴合人体的外形。最后,在得到的人体轮廓上,论文研究并实验了两种不同的人体姿态估计算法,分别应用于两种不同的应用场景。其一,是一种基于人体轮廓的人体姿态估计方法,算法的目标是判断给定的学生轮廓的坐姿,通过计算轮廓的Hu不变矩,再使用SVM训练人体轮廓分类器,可以在测试数据集上实现80.7%的估计准确率。其二,是一种基于Pictorial Structure模型的人体姿态估计算法,算法的目标是为肢体遮挡不明显的教师估计其身体姿态。在算法研究和实验的基础上,论文还描述了在SNC中人体姿态估计应用系统的设计与实现,通过实现部分原型系统,验证了论文工作的有效性,并且为后续的研究工作完成了基础框架的构建。

全文目录


摘要  3-5
ABSTRACT  5-10
第一章 绪论  10-19
  1.1 E-LEARNING 与标准自然教室（SNC）  10-12
  1.2 人体姿态估计的研究背景和应用前景  12-16
    1.2.1 人体姿态估计的研究背景  12-15
    1.2.2 人体姿态估计技术的应用前景  15-16
  1.3 论文的研究内容、意义  16-17
  1.4 论文的和主要成果  17
  1.5 论文的组成结构  17-18
  1.6 本章小结  18-19
第二章 人体姿态估计方法综述  19-25
  2.1 人体运动分析过程划分  19-20
  2.2 人像-背景分离方法  20-21
    2.2.1 混合高斯模型背景消除  20-21
    2.2.2 基于深度信息的背景消除  21
  2.3 基于人像的人体姿态估计方法  21-24
    2.3.1 无模型方法  22
    2.3.2 间接模型方法  22
    2.3.3 直接模型方法  22-24
  2.4 本章小结  24-25
第三章 基于双目视觉的人体姿态估计方法  25-43
  3.1 双目视觉基础  25-30
    3.1.1 对极几何  25-27
    3.1.2 立体定标  27-29
    3.1.3 立体校正  29-30
  3.2 视差与深度计算  30-34
    3.2.1 双目视差  30-31
    3.2.2 三角测量  31-32
    3.2.3 绝对误差累计算法以及利用中值滤波和表面约束的改进  32-34
  3.3 结合深度信息以及ACTIVE CONTOUR 的人像轮廓提取方法  34-36
  3.4 基于轮廓匹配的人体姿态估计  36-38
    3.4.1 基于Hu 不变矩的人体轮廓匹配  37-38
  3.5 基于PICTORIAL STRUCTURE 模型的人体姿态估计  38-42
    3.5.1 Pictorial Structure 模型描述  38-39
    3.5.2 人体姿态估计问题的PS 构造  39-42
  3.6 本章小结  42-43
第四章 实验设计与结果分析  43-58
  4.1 视差计算算法的实验  43-47
    4.1.1 实验数据  43-44
    4.1.2 实验结果  44-47
  4.2 对人像提取算法的实验  47-51
    4.2.1 实验数据  47-48
    4.2.2 普通环境下人像轮廓提取算法测试  48-51
  4.3 基于轮廓匹配的姿态估计实验  51-54
    4.3.1 实验数据  51-52
    4.3.2 Hu 矩轮廓特征计算  52-53
    4.3.3 基于轮廓匹配的姿态估计实验及其结果  53-54
  4.4 基于PICTORIAL STRUCTURE 模型的人体姿态估计实验  54-57
    4.4.1 实验数据  54-55
    4.4.2 人体模型学习  55-56
    4.4.3 人体姿态估计结果  56-57
  4.5 本章小结  57-58
第五章 人体姿态估计原型系统设计与实现  58-66
  5.1 系统软、硬件环境  58-59
  5.2 系统设计框架  59-62
    5.2.1 系统的功能设计  59-60
    5.2.2 程序流程框图与主要逻辑架构  60-62
  5.3 系统实现  62-63
    5.3.1 基础类型库StereoMFC 的实现  62-63
    5.3.2 从FlyCapture 到OpenCV 的转换  63
  5.4 系统运行结果  63-65
  5.5 本章小结  65-66
第六章 总结与展望  66-68
  6.1 主要结论  66-67
  6.2 研究展望  67-68
参考文献  68-71
程序源代码（附录1）  71-73
致谢  73-74
攻读硕士学位期间已发表的论文、申请的专利和参与项目  74-77
附录  77

相似论文

  1. 基于学习的低阶视觉问题研究,TP391.41
  2. 基于视觉的番木瓜外观品质检测技术研究,S667.9
  3. 基于计算机视觉对“次郎”甜柿外部品质检测与分级的研究,S665.2
  4. 基于运动目标轨迹分析的智能交通监控系统,TP277
  5. 体育“B-learning”学习理论与实验研究,G807.0
  6. 融合深度图和三维模型的人体运动捕捉技术研究,TP391.41
  7. 双目变焦调焦系统,TP391.41
  8. 全景空间运动小目标三维测量研究,TP391.41
  9. 基于视觉系统的无人直升机自主降落,V279
  10. 利用Kinect估计人体头部姿态,TP391.41
  11. 基于分割一致性的二维人体姿态估计,TP391.41
  12. 应用Kinect与手势识别的增强现实教育辅助系统,TP391.41
  13. 基于SIFT算法单双目视觉结合的移动机械臂定位研究,TP241
  14. 基于模型的人体运动跟踪和姿态分析技术研究,TP391.41
  15. 日本产学官连携に关する主な制度形成の研究,H36
  16. 基于e-learning的大学生就业指导课的教学设计,G647.38
  17. 摄像机标定方法研究,TP391.41
  18. 基于项目的案例学习系统的研究与设计,TP311.52
  19. 基于WEB挖掘的E-learning环境下的个性化教学平台研究,TP391.6
  20. 智能教室手势识别算法研究及交互原型系统设计,TP391.41
  21. 基于光学图像的精确测量技术研究,TP391.41

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