基于概率模型的三维人体运动跟踪研究-计算机应用技术专业论文.docxVIP

摘要本文的主要研究内容是从多个同步的视频序列中自动恢复人体的三维运动姿态。这 摘要 本文的主要研究内容是从多个同步的视频序列中自动恢复人体的三维运动姿态。这 种无标记的人体运动捕捉跟踪技术可广泛应用于体育运动分析、医学诊断、虚拟现实、 计算机动画、视频监控、人机交互等领域。由于存在非刚体人体描述、人体模型的三维 到二维投影多义性、人体模型的自遮挡、高维状态空间接索、复杂条件下的图像特征提 取与遁配等方面的困难，从视频图像中恢复出人体三维运动姿态存在大量的不确定性。 因此三维人体运动跟踪是计算枫视觉领域一项非常有挑战性的任务。 本文提出了有模型指导的三维人体运动跟踪框架，将一个多关节的圆台形状三维人 体模型与多个视频照像中的外轮廓、边界、灰度和默包特，征进行匹配，使人体运动￡艮踪 变成一个状态估计问题。并且，使用基于概率模型的粒子滤波算法来完成非线性、非商 斯动态系统的状态估计。 粒子滤波算法虽然能在混舌0背景及遮挡情况下很好地完成一般l艮踪任务，但楚对于 人体运动估计仍然存在豳难。因此本文提出了两种新的粒子滤波改进策略。一靴是将状 态空阀分解和PERM(Pruned--Enriched Rosenbluth Method)采样与退火粒子滤波结合， 提高了对多模式后验分布的模拟精度。另～种是确定性搜索方法与随机采样方法相结合 的改进粒子滤波算法，用于跟踪复杂背景下的三维人体运动。这秘新的粒子滤波算法的 最大特点就是通过局部优化方法来指导重要性分布函数的生成，使得对商维空间中多峰 后验分布函数的估计成为可能。 此步}，在图像特征提取方西，本文提出了一种非参数的背景估计模型，用于检测视 频图像中的运动人体的外轮廓。这种方法综合考虑了图像上的时间与空间信息，利用颜 色和边界特征增强t#景检测的可靠性；丽且，逶过自适应的阴影消除，进一步提高了运 动目标检测的准确性。 本文算法在模拟和真实数据t进彳予了试验，§＆够完成复杂背景系件下的人体运动跟 踪任务。 关键词：人体运动g艮踪；隧枫采样；粒子滤波；减背景 Research Research on 3D Human Motion Tracking Based on Probabilistic Model Chen Rui(Computer Application Techn0109y) Directed By Li Hua This thesis focuses on the automatic recovery of three-dimensional human motion from multiple synchronized video sequences．The potential applications of this kind of markerless motion capture technique are motion analysis，medical diagnosis，virtual reality,computer animation，video surveillance，human—computer interface and SO on．3D human motion tracking faces difficulties caused by non-rigid human model representation，2D-3D projection, selfocclusion，high dimensionality ofstate space and image features extraction under clutter．It is challenging task in the field ofcomputer vision． This thesis proposes a model based 3D human motion tracking framework,where the articulated human model represented by truncated cones is matched wi也several image features，such as silhouette，edge，intensity and skin color．And human motion tracking is the problem of state estimation，which Can be accomplished by the particle filter algorithm based on probabilistic model． The particle filter algorithm，having the adva