人体姿态估计论文.docVIP

人体姿态估计第1章 引言 1 1.1 绪论 1 1.2 人体姿态估计的研究意义 1 1.3 人体姿态估计研究现状 3 1.3.1 人体姿态估计分类 3 1.3.2 静态图片中的人体姿态估计 3 1.4 人体姿态估计研究难点 4 1.5 本文的研究内容和结构安排 5 1.5.1 本文的研究内容 5 1.5.2 本文的结构安排 5 第2章 图像深度信息 7 2.1 深度图像的研究现状 7 2.1.1 深度图像的概念与特征 7 2.1.2 深度图像研究现状 8 2.2 Kinect技术 8 2.2.1 Kinect简介 8 2.2.2 Kinect深度成像的基本原理 9 2.3 实验数据预处理 11 2.3.1 PCA算法的概念与应用 11 2.3.2 PCA算法的原理 11 2.3.3 输入输出数据降维 15 2.4 本章小结 17 第3章 梯度直方图算法 18 3.1 梯度直方图特征描述符 18 3.1.1 梯度直方图 18 3.1.2 矩形梯度直方图描述符 19 3.2 梯度计算 20 3.2.1 线性算子与核算子 20 3.2.2 图像卷积 20 3.2.3 梯度大小和方向计算 21 3.3 分配权值 21 3.3.1 高斯滤波权值分配 21 3.3.2 三线插值 23 3.4 梯度直方图特征向量 23 3.5 梯度直方图人体检测算法 24 3.6 本章小结 25 第4章 形状上下文 26 4.1 形状匹配简述 26 4.1.1 形状匹配的相关概念 26 4.1.2 形状的表示方法 27 4.1.3 基于全局特征的形状匹配 28 4.1.4 基于局部特征的形状匹配 28 4.2 形状的轮廓点集表示 29 4.2.1 引言 29 4.2.2 形状的轮廓点集表示 29 4.3 形状上下文的定义 30 4.3.1 形状上下文的具体定义 30 4.3.2 基于形状上下文的形状匹配 33 4.3.3 不变性分析 33 4.4 本章总结 34 第5章 线性回归模型 35 5.1 线性回归模型 35 5.1.1 线性基函数模型 35 5.1.2 极大似然法和最小二乘法 38 5.1.3 最小二乘法的几何解释 40 5.2 规范化的最小二乘法 41 5.3 多个输出 42 5.4 实验结果比较分析 43 5.4.1 回归模型在实验中的应用 43 5.4.2 不同实验误差的比较分析 44 5.4.3 实验效果展示 47 5.5 本章小结 48 第6章 总结与展望 49 6.1 全文总结 49 6.2 未来工作展望 49 参考文献 50 致谢 52 外文资料原文 53 外文资料译文 56 1章 引言 1.1 绪论人机交互(Human-Computer Interaction，HCI)是一门研究系统与用户之间互动关系的一门学科。这里的系统可以是各种各样的机器，也可以是计算机化的系统和软件。人类获取的外部世界信息，其中是通过人的眼睛即视觉感知得到的超过80％以上，让机器能够拥有像人类一样的视觉是人类社会多年的梦想。随着人机交互技术的快速发展，人与机器之间自然的、多模态的交互将成为人与机器之间交互的主要方式。这里首先遇到的问题就是需要机器能够正确地认识和理解人的行为，正是在这种背景情况下，姿态估计被人们提出。姿态估计是指检测和估计目标(通常是人)的姿态动作，需要将这些姿态动作转化成为数字形式的“抽象运动”的技术，输出的结果表示当前人体的姿态动作。1.2 人体姿态估计的研究意义过去二十多年里，自动理解图像以及视频序列中的人体姿态，一直都是机器视觉研究的重点。除了人类自己对探索和仿造自身的兴趣外，促使人体姿态估计成为研究重点的最主要原因还是电子设备的迅速发展以及由它所产生的巨大应用市场。最近几年，数字照相机、智能手机、平板电脑、网络摄像头、监控摄像头等数码产品渐渐融入人们的日常生活，地球上每时每刻都会产生大量新的数字图片和视频数据，其中人类活动必然是人们想从这些数据中获得的最主要内容。有效的处理和理解数据中的人类活动，将会为人类社会的发展带来深远影响。概括来讲，人体姿态估计的应用领域主要包括： （1）高级人机交互 人们都希望机器能够理解人类活动并与人进行自然交互，这是人类由来已久的科技追求目标。随着科技的发展，人类生活离不开各种各样的机器设备，从智能手机到数字电视，从个人电脑到平板电脑，但是传统的键盘鼠标以及现在触摸的交互方式还是占主要部分。2010年微软后来居上，发布 Kinect（如图1-1），其是一种3D 感知体态的摄影机，它具有即时语音识别、麦克风输入、辨识影像、动态捕捉信息、社区互动等其他功能。玩家可以在游戏中打球、开车、分享信息等。由此能够预见的是，当人体姿态估计技术走向成熟时，人机交互方式的革命性变化必然会被人类迅速接受，使得人与机器的交互