基于姿態(tài)聚類和候選重組的人體姿態(tài)估計.pdf

1、靜態(tài)圖像中的人體姿態(tài)估計是指在輸入圖像中檢測人體的各個部位，如頭部、軀干、四肢等，并輸出這些人體部位的位置和角度等參數(shù)的過程。靜態(tài)圖像中的人體姿態(tài)估計屬于中層視覺問題，在估計的過程中需要綜合利用圖像的顏色、邊界、梯度等低層的圖像特征信息，同時還要考慮幾何視覺，動力學(xué)約束等人體部位之間的分布關(guān)系。但是由于人體姿態(tài)的變化范圍很大，同時還存在自遮擋，人體顏色和尺度差異等難點，再加上圖像中的背景干擾，使得靜態(tài)圖像中的人體姿態(tài)估計的研究是一個具有

2、挑戰(zhàn)的課題。同時，由于人體姿態(tài)估計的結(jié)果可以作為計算機理解和分析人類行為的基礎(chǔ)信息，所以人體姿態(tài)估計在智能監(jiān)控、人機交互、人體運動捕捉等領(lǐng)域有著廣泛的應(yīng)用前景。
　　本文提出了一種基于姿態(tài)聚類和人體部位候選重組的人體姿態(tài)估計算法。與已有的單一全局PS模型的方法不同，為了增加人體部位檢測的區(qū)別性同時使模型能夠適用于各種不同的姿態(tài)，本文的算法對人體的姿態(tài)進(jìn)行了聚類處理，聚類后的姿態(tài)在類別內(nèi)具有相似的部位外觀和人體部位空間位置關(guān)系，使得

3、檢測模型更加準(zhǔn)確，而不同的姿態(tài)類別適用于不同姿態(tài)的檢測。為了確定待檢測的樣本的姿態(tài)類別，我們引入了多元線性回歸算法。通過對待測樣本在每個姿態(tài)類別下的最佳檢測概率進(jìn)行加權(quán)平均，確定待測姿態(tài)所屬的類別。另外，為了克服最佳估計結(jié)果中存在的個別人體部位誤檢和人體姿態(tài)估計中尚未很好解決的重復(fù)計數(shù)問題，我們提取了與待測圖像姿態(tài)最匹配的模型下的檢測結(jié)果中概率最大的幾組姿態(tài)作為人體各部位的候選，并在這些候選的基礎(chǔ)上，重新構(gòu)造代價函數(shù)，定義約束條件，對這