基于概率模型的三維人體運(yùn)動(dòng)跟蹤研究.pdf

1、本文的主要研究?jī)?nèi)容是從多個(gè)同步的視頻序列中自動(dòng)恢復(fù)人體的三維運(yùn)動(dòng)姿態(tài)。這種無標(biāo)記的人體運(yùn)動(dòng)捕捉跟蹤技術(shù)可廣泛應(yīng)用于體育運(yùn)動(dòng)分析、醫(yī)學(xué)診斷、虛擬現(xiàn)實(shí)、計(jì)算機(jī)動(dòng)畫、視頻監(jiān)控、人機(jī)交互等領(lǐng)域。由于存在非剛體人體描述、人體模型的三維到二維投影多義性、人體模型的自遮擋、高維狀態(tài)空間搜索、復(fù)雜條件下的圖像特征提取與匹配等方面的困難，從視頻圖像中恢復(fù)出人體三維運(yùn)動(dòng)姿態(tài)存在大量的不確定性。因此三維人體運(yùn)動(dòng)跟蹤是計(jì)算機(jī)視覺領(lǐng)域一項(xiàng)非常有挑戰(zhàn)性的任務(wù)。

2、 本文提出了有模型指導(dǎo)的三維人體運(yùn)動(dòng)跟蹤框架，將一個(gè)多關(guān)節(jié)的圓臺(tái)形狀三維人體模型與多個(gè)視頻圖像中的外輪廓、邊界、狄度和膚色特征進(jìn)行匹配，使人體運(yùn)動(dòng)跟蹤變成一個(gè)狀態(tài)估計(jì)問題。并且，使用基于概率模型的粒子濾波算法來完成非線性、非高斯動(dòng)態(tài)系統(tǒng)的狀態(tài)估計(jì)。 粒子濾波算法雖然能在混亂背景及遮擋情況下很好地完成一般跟蹤任務(wù)，但是對(duì)于人體運(yùn)動(dòng)估計(jì)仍然存在困難。因此本文提出了兩種新的粒子濾波改進(jìn)策略。一種是將狀態(tài)空間分解和PERM(Prun

3、ed-Enriched Rosenbluth Method)采樣與退火粒子濾波結(jié)合，提高了對(duì)多模式后驗(yàn)分布的模擬精度。另一種是確定性搜索方法與隨機(jī)采樣方法相結(jié)合的改進(jìn)粒子濾波算法，用于跟蹤復(fù)雜背景下的三維人體運(yùn)動(dòng)。這種新的粒子濾波算法的最大特點(diǎn)就是通過局部?jī)?yōu)化方法來指導(dǎo)重要性分布函數(shù)的生成，使得對(duì)高維空間中多峰后驗(yàn)分布函數(shù)的估計(jì)成為可能。 此外，在圖像特征提取方面，本文提出了一種非參數(shù)的背景估計(jì)模型，用于檢測(cè)視頻圖像中的運(yùn)動(dòng)人體