基于多目標(biāo)優(yōu)化的視頻人體運動跟蹤.pdf

1、本文的主要研究內(nèi)容是跟蹤視頻序列中的三維人體運動姿態(tài)，屬于無標(biāo)記的人體運動跟蹤技術(shù)。人體運動跟蹤是計算機視覺領(lǐng)域的重要分支，已經(jīng)在人們生活的各個方面得到了廣泛應(yīng)用，特別是無標(biāo)記人體運動跟蹤技術(shù)已經(jīng)極為普遍的存在于人機交互、虛擬現(xiàn)實、三維(3D)動畫制作、視頻監(jiān)控、醫(yī)學(xué)診斷等領(lǐng)域。但是，由于參數(shù)維度高、易于陷入局部最優(yōu)、自遮擋和人體運動圖像的二義性等方面的問題，基于視頻的人體跟蹤存在大量不確定性。也正因為這樣三維人體運動跟蹤是計算機視覺領(lǐng)

2、域充滿挑戰(zhàn)的研究方向。
　　 本文提出了基于多目標(biāo)優(yōu)化算法的三維人體運動跟蹤框架，將人體跟蹤問題抽象成一個多目標(biāo)優(yōu)化問題，恢復(fù)人體三維姿態(tài)等同于在人體姿態(tài)空間求解一組相似度函數(shù)。其中，多目標(biāo)函數(shù)的建立不僅運用了提取到的多種特征，多鏡頭參數(shù)還借鑒了當(dāng)前流行的產(chǎn)生式(Generative)和判別式(Discriminative)結(jié)合的人體運動跟蹤方法的思路。分別由視頻圖像中的關(guān)節(jié)點、輪廓、灰度、甚至是判別式方法預(yù)測出的三維姿態(tài)等特征

3、匹配，建立多個似然函數(shù)，最終利用多目標(biāo)算法實現(xiàn)函數(shù)的優(yōu)化已得到最終所需要的跟蹤結(jié)果。
　　 本論文主要完成了下列工作：
　　 1.針對參數(shù)維度高、自由度大、易于陷入局部最優(yōu)值，把多目標(biāo)優(yōu)化算法引入人體跟蹤領(lǐng)域，經(jīng)實驗驗證可以有效的降低跟蹤過程的時間復(fù)雜度并且避免陷入局部最優(yōu)。
　　 2.針對自遮擋和二義性，提出了一種基于多目標(biāo)優(yōu)化的多目人體運動跟蹤方法。多個相似度函數(shù)建立在多目同步視頻的基礎(chǔ)上，實驗結(jié)果表明，該方