OpenGL人体运动识别及模型模拟+文献综述.docVIP

OpenGL人体运动识别及模型模拟+文献综述 摘要：视频跟踪是计算机视觉的一个重要的分支,最近几年越来越多的学者和研究人员把目光投向视频跟踪,随着研究的深入和跟踪技术的发展,视频跟踪渐渐成为生产生活中重要的一个组成部分,具有十分广泛的应用前景。它已经在人机交互、语音识别、公共卫生、人工智能、视频监控等诸多领域内得到了广泛的应用。 本文的目的是研究从视频流中提取人体运动，并对提取的运动进行处理，合成满足用户需求的运动的理论、方法和技术，探索利用计算机视觉和图形学再生 人体动画的方法。 本论文主要研究了基于加权颜色的粒子滤波算法,同时讨论了运动目标检测、特征提取和运动目标跟踪，进一步提取运动特征进行模型拟合。在运动目标检测方面本文对差分法进行了讨论，并用帧间差分法提取了运动目标。在运动目标跟踪方面,本文研究了基于卡尔曼滤波的多目标跟踪算法。在运动特征提取方面，本文利用基于形态学的判定算法，识别人体部位并使用OpenGl显示提取的骨架。在模型拟合方面，本文利用人体各个节点间存在的父子关系以及提取的各部位运动向量，在OpenGL平台上开发完成可控人体骨骼模型。关键词视频检测 运动识别 骨架提取 3DS人体模型 opencv openGl8222 毕业设计说明书（论文）外文摘要 TitleHuman motion recognition and modeling Abstract As an important branch of computer vision technology, the video tracking system has got more and more attention from researchers lately. With the development of tracking technology and deeper research about this, video tracking has day by day become a significant part of manufacture field and has a widely applied prospective future.It has already been used widely in many fields such as Human-Computer Interaction, voice recognition, public health, artificial intelligence, and video supervision. 2.2运动目标轮廓标定4 3基于形态学的人体判定6 3.1关键节点分类6 3.2节点判定6 3.3无用干扰点的筛除7 3.4人体骨架的数据结构10 3.5寻找人体各节点12 4kalman滤波14 4.1滤波原理14 4.2追踪应用15 5骨架映射及3D显示18 5.1骨架节点变量定义18 5.23D坐标中骨架显示19 5.2.1绘制3D坐标系19 5.2.2肢体位置确定20 5.2.3关键点间连线23 6基于opengl的d3d的骨骼动画24 6.13D模型准备24 6.2定义相关的核心数据结构并初始化骨架结构25 6.3载入显示模型26 6.4使用递归方法分层次载入模型26 7程序功能测试31 7.1手动标点的跟踪测试31 7.2人体各部位识别测试31 7.3可控3DS模型33 结论34 致谢35 参 考 文 献36 1引言 1.1视频人体识别研究现状 1.2主要应用领域 人体运动的视觉分析研究在很多领域均有着广阔的应用前景，此处对一些典型的应用进行简要介绍： 1.2.1运动分析 运动分析主要应用于三个方面。一是体育运动的数据库中进行基于内容的图像检索。二是在舞蹈、运动等训练中，用视觉的方法建立人体的几何模型，通过关节的运动分析来指导、纠正训练者的动作。三是医学步态分析中的应用。 1.3.2opencv OpenCV的全称是：Open Source Computer Vision Library。 OpenCV于1999年由Intel建立，现在由Willow Garage提供支持。OpenCV是一个基于BSD许可证授权（开源）发行的跨平台计算机视觉库，可以运行在Linux、Windows和Mac OS操作系统上。它轻量级而且高效mdash;mdash;由一系列 C 函数和少量 C++ 类构成，同时提供了Python、Ruby、MATLAB等语言的接口，实现了图像处理和计算机视觉方面的很多通用算法。应用领域：1、人机互动；2、物体识别；3、图象分割；4、人脸识别；5、动作识别；6、运动跟踪；7、机器人。 1.3.3OpenGl OpenGL（全写Open