基于图像的人体姿势估计和手势识别研究-计算机应用技术专业论文.docxVIP

优秀毕业论文 精品参考文献资料 AbstractBilateral Abstract Bilateral Filter；Random Forest ⅡI 万方数据 安徽大学硕士论文 安徽大学硕士论文 基于图像的人体姿势估计和手势识别研究 目录 摘j嬖 。I Abstract II 目录 。IV 图表目录 。Ⅵ 图目录 一VI 第一章绪论 。1 1．1研究背景和意义 ．．1 1．2国内外研究现状 ．3 l 3本文的主要的研究工作～ ．6 1．4论文的组织结构 ．6 第二章人体估计和手势识别相关工作 。8 2．1姿态估计 ．．8 2．1．1姿态估计的定义 ．．8 2．1．2姿态估计的一些困难 。8 2．2人体图结构模型 ．9 2．2．1人体图结构定义 。9 2．1．2统计学描述 1 1 2．2 Kinect深度相机 12 2．2．1 Kinect简介 12 2．2．2 Kinect的成像原理 13 2．2．3图像坐标的获取与坐标转换 14 2．2．4深度图像的预处理 16 2．3本章小结 l 8 第三蕈一形状匕下文的人体姿态分割估计_． ．．19 3．1图像人体分割 19 3．2形状上下文 20 3．2．1 Canny算子及轮廓提取 ．2l 3．2．2 sharp context算法 ．22 3．3在图模型中形状上下文的人体姿态估计 24 3．4实验分析 25 3．5本章总结 29 第四章基于随机森林深度图像的手势识别 31 4．1获得手部深度图像 3l 4．1．1深度图像的去噪 31 4．1．2手势分割 33 4．2基于随机森林的识别 37 4．2．1特征提取 37 IV 万方数据 目录4 目录 4．2．2随机森林的训练 41 4．2．3识另Ⅱ 42 4．3实验结果 43 4．4本章小结 46 第五章总结与展望 47 5．1全文总结 47 5．2展望 ．47 参敬献 49 致1射 53 攻读硕士学位期间的科研成果 54 V 万方数据 安徽大学硕士论文 安徽大学硕士论文 基于图像的人体姿势估计和手势识别研究 图表目录 图目录 图1．1人的示例 1 图1-2数据手套 5 图2．1人体结构 8 图2．2身体组成模块 ．10 图2．3微软深度相机 ．1 3 图24 Kinect视场 ．．14 图2．5坐标系 ．1 5 图3-1分割过程 19 图3．2图像分割及抠图结果 20 图3．3划分的区域 23 图3-4点的匹配 24 图3．5跑动中的人的结果 26 图3-6跑动中的人的结果 27 图3．7非跑动中的人 28 图3．8非跑动中的人 29 图4．1深度图像 32 图4．2去噪结果 33 图4．3去除背景 34 图4-4深度直方图 35 图4．5手部的深度图像 37 图4．6手部骨架模型 38 图4．7手部分块 38 图4．8深度特征差 39 图4-9相邻像素点 40 图4．1 0手部姿势模板 ．．43 图4．1l“3”识别结果 ．．44 图4．12“5”识别结果 ．．44 图4．13“5”识别结果 ．．45 图4．14“2”识别结果 一45 图4．15手势识别正确率 ．．46 VI 万方数据 第一章绪论第一章绪论 第一章绪论 第一章绪论 1．1研究背景和意义 随着社会在不断的进步，对于信息的获取渠道越来越多。丰富多彩，各式各 样的信息随之而来。普通的人工处理已经不能满足人们日常的需求，人工交互 (Human．Computer Interaction，HCI)tM】慢慢走进人们视线中。而人体的姿态估计是 检测图像中人体的运动状态的方法；在人体中，手部姿势的识别是其中一个重要 的环节。本文就是介绍人体姿态估计以及手势的识别。 (1) 人体姿态估计 在图像处理的研究领域，有一项非常重要的工作，就是对图像内容的分析， 其中包含对图像中人的行为分析。对于一副图像的分析，可以根据不同的拍摄方 法把它们大致的分成两类，第一类如图1．1(a)所示，对于这幅图像而言只能粗 略的对里面的人进行一个检测，因为只能大致的看清这里面所有人的轮廓，但是 无法细致的分清出具体每个人的身体的姿势。第二类如图1．1(b)所示，由于拍 摄的镜头很近，人的身体占据一副图像的很大的比例，可以清晰的看到人，从而 可以根据这幅图像，对人体进行检测，并且可以对人体行为动作进行姿势的估计。 息 ∽。、2 (a) (b) 图1．1人的示例 Fig 1-l Example of Human 人体的姿态估计是图像处理里面一个很热门的研究方向，在很多方面都需要 用到这个。例如在监控中，需要得到监控中人的信息，就可以通过姿势估计对其 运动进行分析，从而获得想要的行为描述，这样能更加容易的完成人机交互，使 万方数据 安徽大学硕士论文