基于高斯增量降维与流形Boltzmann优化的人体运动形态估计-电子学报.PDFVIP

第１２期 电　　子　　学　　报 Ｖｏｌ．４５　Ｎｏ．１２ ２０１７年１２月 ＡＣＴＡＥＬＥＣＴＲＯＮＩＣＡＳＩＮＩＣＡ Ｄｅｃ．　２０１７ 基于高斯增量降维与流形 Ｂｏｌｔｚｍａｎｎ优化的人体运动形态估计 １，２ １ 李万益 ，孙季丰 （１．华南理工大学电子与信息学院，广东广州５１０６４１； ２．广东第二师范学院计算机科学系，广东广州５１０３０３） 　　摘　要：　为了从多视角轮廓图像估计出含空间位置信息的三维人体运动形态，该文提出高斯增量降维与流形 Ｂｏｌｔｚｍａｎｎ优化（ＧＩＤＲＭＢＯ）算法．该算法把表示三维人体运动形态的高维数据分成表示空间位置信息和姿态信息两 段子向量后，用高斯增量降维模型（ＧＩＤＲＭ）分别对其样本进行降维，建立相应的低维空间及映射关系，然后在相应的 低维空间使用流形Ｂｏｌｔｚｍａｎｎ优化算法来对轮廓匹配目标函数进行优化，从而实现估计．其中，所提算法分别利用了两 段子向量样本的低维数据作为先验信息，可较好的避免陷入局部最优区域进行搜索，最终生成与各视角原始运动图像 匹配且含空间位置信息的三维人体运动形态．经仿真实验验证，所提算法与常用粒子滤波算法相比，其估计误差小，并 且还能起到消除轮廓数据歧义和克服短时遮挡的作用． 关键词：　高斯增量降维模型；流形Ｂｏｌｔｚｍａｎｎ优化；人体运动形态；轮廓图像；子向量 中图分类号：　ＴＰ３９１４　　　文献标识码：　Ａ　　　文章编号：　０３７２２１１２（２０１７）０９３０６０１０ １０电子学报ＵＲＬ：ｈｔｔｐ：／／ｗｗｗ．ｅｊｏｕｒｎａｌ．ｏｒｇ．ｃｎ　 ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．０３７２２１１２．２０１７．１２．０３２ ＨｕｍａｎＭｏｔｉｏｎＥｓｔｉｍａｔｉｏｎＢａｓｅｄｏｎＧａｕｓｓｉｏｎＩｎｃｒｅｍｅｎｔａｌ ＤｉｍｅｎｓｉｏｎＲｅｄｕｃｔｉｏｎａｎｄＭａｎｉｆｏｌｄＢｏｌｔｚｍａｎｎＯｐｔｉｍｉｚａｔｉｏｎ １，２ １ ＬＩＷａｎｙｉ ，ＳＵＮＪｉｆｅｎｇ （１ＳｃｈｏｏｌｏｆＥｌｅｃｔｒｏｎｉｃａｎｄＩｎｆｏｒｍａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇ，ＳｏｕｔｈＣｈｉｎａＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｇｕａｎｇｚｈｏｕ，Ｇｕａｎｇｄｏｎｇ５１０６４１，Ｃｈｉｎａ； ２ＤｅｐａｒｔｍｅｎｔｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＧｕａｎｇｄｏｎｇＵｎｉｖｅｒｓｉｔｙｏｆＥｄｕｃａｔｉｏｎ，Ｇｕａｎｇｚｈｏｕ，Ｇｕａｎｇｄｏｎｇ５１０３０３，Ｃｈｉｎａ） Ａｂｓｔｒａｃｔ：　Ｉｎｔｈｅｉｎｔｅｒｅｓｔｏｆｅｓｔｉｍａｔｉｎｇｔｈｅｈｕｍａｎｍｏｔｉｏｎｉｎ３Ｄ（３Ｄｉｍｅｎｓｉｏｎｓ，３Ｄ）ａｎｄｉｔｓｓｐａｔｉａｌｐｏｓｉｔｉｏｎｆｒｏｍ ｍｕｌｔｉｖｉｅｗｓｉｌｈｏｕｅｔｔｅｓ，ａｎａｌｇｏｒｉｔｈｍｃａｌｌｅｄＧａｕｓｓｉｏｎｉｎｃｒｅｍｅｎｔａｌｄｉｍｅｎｓｉｏｎｒｅｄｕｃｔｉｏｎａｎｄｍａｎｉｆｏｌｄＢｏｌｔｚｍａｎｎｏｐｔｉｍｉｚａｔｉｏｎ （ＧＩＤＲＭＢＯ）ｉｓｐｒｏｐｏｓｅｄ．Ａｆｔｅｒｔｈｅｈｉｇｈｄｉｍｅｎｓｉｏｎａｌｄａｔａｄｅｎｏｔｉｎｇｈｕｍａｎｍｏｔｉｏｎｉｎ３Ｄｉｓｄｉｖｉｄｅｄｉｎｔｏｔｗｏｓｕｂｖｅｃｔｏｒｓ，ｔｈｅ ｔｗｏｓｕｂｖｅｃｔｏｒｓｄｅｎｏｔｅｉｎｆ