單一深度圖像人體部位識別.pdf

1、人體姿態(tài)識別是計算機(jī)視覺領(lǐng)域中一個重要的研究方向，已經(jīng)在人機(jī)交互、智能監(jiān)控等多個行業(yè)中得到了廣泛應(yīng)用。對視頻中運動人體部位的準(zhǔn)確識別，可為人體姿態(tài)識別研究奠定基礎(chǔ)，從而降低人體行為分析難度。為了避免光照強(qiáng)度、陰影、物體紋理等外界因素的干擾和減少人體部位匹配模型自身誤差的影響，本文基于深度圖像，采用特征分類的方式將人體部位識別問題轉(zhuǎn)換成部位像素點的分類問題。為聚集部位像素點的分類信息，通過聚類算法實現(xiàn)部位關(guān)節(jié)點預(yù)測，然后提取人體三維骨架圖

2、，作為人體部位識別最終輸出結(jié)果。
　　本文的主要研究內(nèi)容可分為以下幾個方面:
　　1.鑒于目前沒有公開的人體部位標(biāo)記樣本庫，為了解決人體部位識別缺少訓(xùn)練數(shù)據(jù)的問題，本文引用CMU運動捕捉數(shù)據(jù)庫動作序列，通過Kinect傳感器獲取深度圖像，采用人工標(biāo)記法自行構(gòu)建人體部位標(biāo)記樣本庫?？紤]到人體體型受性別、胖瘦、著裝差異等因素影響，所以本樣本庫數(shù)據(jù)源由多個不同體型的采樣對象在真實場景中采集得到。
　　2.為了提高人體部位識別

3、準(zhǔn)確率，以深度差分特征為基礎(chǔ)，引入人體部位尺寸因子，采用隨機(jī)森林算法構(gòu)建分類模型。通過實驗表明，采用改進(jìn)型分類模型識別人體部位時具有更高的部位識別準(zhǔn)確率。
　　3.為了預(yù)測部位關(guān)節(jié)點和提取人體三維骨架圖，本文首先基于Mean shift算法，結(jié)合人體部位尺寸因子，提出帶寬自適應(yīng)部位大小的改進(jìn)型Mean shift部位關(guān)節(jié)點預(yù)測算法;然后根據(jù)人體生理結(jié)構(gòu)，用直線連接相連部位關(guān)節(jié)點，再融合深度信息，最終完成人體三維骨架圖的提取。通過實