3D动态体模式识别技术研究.docVIP

3D动态人体模式识别技术研究 1、项目来源及选题依据本项目为学生自选题目项目。本项目属于计算机视觉学科的基础研究，由本项目组独立完成，旨在研究运动物体的模式识别技术。计算机视觉既是工程领域也是科学领域中的一个富有挑战性的重要研究方向。计算机视觉是一门综合性的学科，它涉及计算机科学、信号处理、物理学、应用数学和统计学，神经生理学和认知科学等多个学科领域，吸引了大批研究者投身其中。一些发达国家，如美国把对计算机视觉的研究列为对经济和科学有广泛影响的科学和工程中的重大基本问题，即所谓的重大挑战（grand challenge）。目前它在多个工程领域均有成功的应用，是制造业、检验、文档分析、医疗诊断，和军事等领域中各种智能、自主系统中不可分割的一部分。模式识别就是当把认识对象能够分类成几个概念时，将被观测的模式与这些概念中的一类进行对应的处理。这种概念称为类或者种类。为实现模式识别的机械，首先必须考虑从识别对象测量（提取）出某种特征量的方法。当今信息化时代的快速发展对计算机视觉提出了越来越高的要求。三维模型具有比二维图像更丰富的信息，利用三维信息是实现目标识别的另一有效途径。基于三维数据的识别方法，在计算机视觉领域已经被广泛研究。有的研究者通过分析三维模型数据的分布特征，提出了整体分离的方法，结合物体特点，实现了各区域的准确裁减。然而，在某些识别问题中，信息的提取有时并不一定是在静态条件下。因此，三维动态识别技术也应运而生。动态识别是相对于静态识别提出的一个新概念，旨在对运动物体进行三维识别。由于运动物体的特征较静态物体更难以捕捉，因而，动态识别技术的关键问题就是如何快速准确提取运动物体的特征并构造有效的识别方法，它对提取、重建和识别算法的快速性和有效性提出了更高的要求。本课题在研究三维人体目标的动态特征的基础上，旨在建立一个三维动态人体模式识别系统，它将完成对一个运动的人体进行有效识别的功能。该系统可广泛应用于医学、运动员测量分析、军事目标判定、计算机图形学和计算机辅助设计中。另外，该技术还有较大的推广空间，在这个技术基础之上，改变被测物体后也可在诸如制造业和建筑界等多个领域得到应用，如三维机械系统动态识别及三维建筑动态识别系统等。2、选题过程中已经阅读的文献资料，以及各项准备工作（如计算、实验等）已完成知识储备如下：数学：空间解析几何及线性代数；复变函数；数学物理方程程序设计：C++；C# 算法理论：计算机视觉完成第一轮学习 这个阶段里，项目组利用matlab软件进行了人体轮廓提取的仿真实验，初步实现了人体的轮廓提取功能。另外，针对运动的视频分析部分，项目组已经建立了一个合理的人体刚体模型，为人体运动分析奠定了良好的基础。3、国内外同类课题研究现状运动信息处理始于上世纪70年代。那时，确定图像上移动向量的分布（光流），即图像间的映射关系是主要的研究课题。虽然在图像间由特征的对应关系能够获得映射关系，但在对应时需要伴随着搜索和处理的大量计算。因此，作为利用图像间差分计算移动向量的方法，提出时空梯度法。该方法是在运动图像编码的研究中发现的，并由Horn与Shunk等对其进行了公式化。时空梯度法将移动向量进行线性约束，但只凭该约束并不能直接确定移动的向量，还需要其他的一些约束。针对此又提出其他的各种约束办法。人体是一个非刚体运动模型。但在处理较大幅度的运动时，人体往往可以被近似为一个多节点的刚体模型。1979年，Ullman等提出，如果假设所研究的对象是刚体，就能够从图像间的对应关系恢复对象物体的三维结构和三维运动。很长时间以来，针对人体的运动分析都是建立人体刚体模型进行估计，具体说来就是通过安装在人体关节处的光点的运动，对人体的结构和运动进行估计。然而，由于人体结构较为复杂，即便采取自下而上的处理方法也是很困难的。因此，大多采用预先假定人体模型知识的自下而上的处理方法，难点主要体现在下面两点：（1）不易提取有效的图像测量特征；（2）人体的姿势是一个高维空间，基于全局搜索和匹配的方法计算量太大。近年来，研究者分别从人体模型、图像特征以及搜索策略等角度讨论了基于视频的三维人体运动跟踪问题。D M Gavrila与L S Davis 等人利用多个已定的摄像机对全身运动进行跟踪。他们使用距离图来匹配模型与边界特征，并采用分解搜索空间的方法进行姿态估计。Deutscher J,Blake,A,Reid I等人采用例子滤波算法在多摄像机下实现对人体三维运动的跟踪，并使用模拟退火算法来减少对粒子数目的需求。C Bregler与J Malik等人采用类似LucasKanade光流估计的方法来跟踪身体各个部分。C Sminchisescu与B Triggs提出使用Covariance Scal