导读:本文包含了人体骨架模型论文开题报告文献综述及选题提纲参考文献，主要关键词:神经网络,姿态估计,行为分析,沙漏堆模型
人体骨架模型论文文献综述
朱凌飞,万旺根[1]（2019）在《基于骨架模型的人体行为分析》一文中研究指出随着深度学习运用到图像领域,姿态估计、行为分析等算法的性能得到显着提升,希望在利用较好模型基础上进一步分析,在尽可能短的时间内得到更直观的结果。2016年提出的沙漏堆网络对人体关节点进行多尺度、多阶段的训练,在MPII数据集上回归了16对关节点坐标,在单个11 G显存的GPU上的平均准确率为87.6%;连接关节点构建人体骨架模型,然后根据骨架模型的加权角和倾斜角等几何特征,进一步推断人体的动作和行为状态,最后对人体行为进行分类和判断,包括站立、直坐、躺下等常见7类动作,平均准确率为82%,优势在于有效降低计算量和处理时间。(本文来源于《电子测量技术》期刊2019年08期）
岳焕景,黄道祥,宋晓林,杨敬钰,沈丽丽[2]（2018）在《基于图模型及骨架信息的人体分割算法》一文中研究指出针对复杂场景中分割人体不准确的问题,提出了一种在图论优化框架中联合RGB-D信息和骨架信息的人体分割算法.首先,采用边缘引导的滤波算法修复低质量的深度图,得到高质量的深度图;然后通过一种聚类算法对RGB-D数据进行聚类得到超像素;最后在图模型中将超像素看作节点,并结合相应的人体骨架来提高区分人体和背景相似颜色区域的能力,设计能量函数各组成项,最小化能量函数得到全局最佳的融合结果.为验证算法的有效性,在实际场景数据集上与多种算法进行比较.实验结果表明,在主观视觉和客观指标上,本文提出的算法均得到了更为准确的人体分割结果.(本文来源于《天津大学学报(自然科学与工程技术版)》期刊2018年08期）
姚旭[3]（2018）在《基于词袋模型的叁维骨架序列人体行为识别》一文中研究指出近年来,人体行为识别这一极具挑战性的工作受到研究人员越来越多的关注。人体行为识别被广泛地应用在智能家居、视频监控、医疗健康、虚拟现实等很多领域,但是由于人体在活动过程中的种种因素的影响,如光照强度、背景变换、自身肢体遮挡等,使得人体信息的捕获以及识别的精度不是很理想。Kinect的出现使得捕获人体深度图像变得更为容易,而从深度图像中提取的人体骨架信息使得识别人体行为的精度大幅度提升。本文基于从深度图像中提取的叁维人体骨架信息。从特征提取、特征编码等方面一步步从底层信息提纯到高层特征,最后运用这些特征来识别人体行为。研究成果如下:1、本文基于运动姿态描述子和硬向量编码方式,提出一种基于运动姿态描述子特征和改进硬向量编码的人体行为识别。运动姿态描述子框架利用20个关节点的位置信息及其一阶和二阶导数来表示人体的动作信息。在特征编码阶段,由于传统的硬向量编码只对最近的视觉单词加权值1,其余的视觉单词权值均为0。这会导致对局部特征重构很粗糙,不利于提升人体识别精度。针对该问题提出一种改进的硬向量编码,即在传统硬向量编码的基础上将对最近一个视觉单词加权,拓展到对k个视觉单词加权,并且加权的方式是按从近到远权值递减。即最近的第k个视觉单词权值为1/(k~2+k)。改进的编码方式与传统的硬向量编码相比更能有效的解决视觉单词的模糊性问题,从而提高识别的精度。2、本文针对单一描述子和单一编码方式导致叁维人体骨架序列的行为识别精度不太高的问题,提出一种基于多描述子特征编码的人体行为识别。角度描述子采用35个关节夹角的信息和其一阶导来表示人体动作的角度变化。在该人体识别过程中,首先从叁维人体骨架序列中分别提取运动姿态描述子和角度描述子。然后对每种描述子分别进行硬向量编码、稀疏编码和局部约束线性编码,从而获得六种特征。最后根据这六种特征分别构造线性分类器,通过投票机制得到最终的识别结果。(本文来源于《河南大学》期刊2018-06-01）
谭贝贝[4]（2018）在《基于人体骨架模型的人体行为识别》一文中研究指出近来,人体动作识别已经成为一个十分热门的话题。在视频检索、智能零售、人机交互、公共安全以及运动合成等诸多方面都有很多应用。因此受到学术界、工业界和政府的高度关注。但是由于人体动作本身的复杂性,定义的模糊性,还受到拍摄角度、光照、背景等因素的影响使得视频动作识别仍然是一个极具挑战性的问题。本文围绕人体动作识别的关键问题,分别从视频动作识别用到的特征、骨架特征、骨架建模及参数优化、基于骨架特征的动作表达及分类等几个方面进行了深入的探讨,主要工作如下:一、分析从简单到复杂叁种不同的人体骨架模型,包括立体模型、卡片模型和火柴模型,并对火柴模型进行改进使其更适合课题的需要,同时不失一般性。对于选择的骨架模型将HOG特征以及一些几何特征作为骨架模型的基本特征,用树形图表达骨架模型,并凝炼出骨架模型参数的优化目标。二、分析比较可以解决基于骨架参数优化目标的方法,主要有基于梯度的方法、随机双坐标上升法(stochastic dual coordinate ascent,SDCA)及其改进算法,通过引入惯性约束对效果较好的SDCA算法进行改进,并比较改进前后的差别,对于得到的改进算法证明其收敛性同时引入Nestrov参数自动计算技术,进一步提升改进算法的优化效果。叁、采用叁种方法对动作进行表达。对轨迹做快速傅立叶变换(fast Fourier transform,FFT)使其对齐,然后分类;对人体骨架状态聚类,并用码本对不同视频进行对齐然后分类;同时提取轨迹和轨迹周围的HOG特征并对HOG特征进行高斯混合建模(Gauss mixture model,GMM)再用Fisher向量对动作进行表达,然后进行分类。四、为验证骨架特征的实用性,对骨架特征参数优化的方法以及基于骨架的动作表达方法进行仿真实验。实验结果显示骨架参数优化效率得到明显提升,动作识别也有较好的效果。(本文来源于《贵州大学》期刊2018-06-01）
张小勤,李颖,谭立文,张绍祥[5]（2018）在《人体心脏纤维骨架及瓣膜叁维模型的构建及其3D打印模型的应用探讨》一文中研究指出目的探讨利用中国可视化人体(Chinese visible human,CVH)数据集建立3D打印心脏纤维骨架及瓣膜(cardiac fibrous skeleton and valves,CFSV)模型的效果及应用价值。方法先将CVH数据集第5例(CVH5)高分辨率断层图像导入Amira软件,对CFSV结构进行分割并重建其叁维模型,经平滑、简化后进行3D打印,然后对3D打印模型进行打磨、着色等后处理,最后对其进行测量和分析。结果成功完成CFSV叁维模型的构建和3D打印。对比数字化叁维模型和3D打印实体模型的直径测量数据(mm):在短轴上,叁尖瓣环(tricuspid valve ring,TVR)(26.56 vs 26.48),二尖瓣环(mitral valve ring,MVR)(27.67 vs 26.08);在长轴上,TVR(42.64 vs 41.02),MVR(37.93 vs 38.74);两种模型测量值的差异δ为(0.62±1.19)mm。肺动脉瓣的面积和周长均比主动脉瓣略大,TVR的周长和面积比MVR大,TVR和MVR所在平面的角度相差约20.4°。结论利用CVH数据集建立3D打印CFSV模型,可完整展现人体心脏纤维骨架原位解剖空间,在复杂、不规则形态的测量上更具优势。(本文来源于《第叁军医大学学报》期刊2018年14期）
王琛,刘弘,陆佃杰[6]（2018）在《基于Kinect骨架追踪的叁维人体模型检索》一文中研究指出在计算机动画研究领域中,叁维人体建模需要消耗大量的成本和时间,根据模型的相似性充分复用已有的模型以成为节约成本的有效手段.然而,如何精确、高效地检索到所需的叁维人体模型是一个极具挑战性的问题.本文提出一种基于Kinect骨架追踪的叁维人体模型检索方法.首先,定义人体体型和叁维人体模型形态的骨架特征参数,如身高、肩宽等,并使用Kinect设备追踪人体获取这些参数.然后,利用参数分组加权模型匹配算法,在人体模型数据库中检索相似的叁维人体模型.最后,建立了基于XNA框架的人群仿真系统并将检索结果应用到该系统中去.实验结果表明本文的方法能够简单、高效地对叁维人体模型进行检索应用.(本文来源于《山东师范大学学报(自然科学版)》期刊2018年01期）
扆泽林[7]（2017）在《基于人体叁维骨架模型的特定动作识别》一文中研究指出近几十年,国内外公共场合频有恐怖袭击和暴力事件发生,严重威胁着人民的生命安全。智能化的视频监控技术近年来发展迅速。在人流量高的公共场所布置密集的摄像头,自动识别行人危险动作并发出预警信号,提醒安保人员及时采取措施,是一种预防恐怖暴力事件发生的有效方法。本文研究了智能视频监控技术用于识别特定动作的方法。选取人体中15个重要关节点建立标准人体骨架模型,基于骨架模型对动作进行相似性研究,从而判断动作是否属于特定动作。本文所做的工作主要有以下几点:(1)近年来,廉价的深度传感器的出现使研究者可以很方便地获取RGB-D图像提取出人体的关节骨架信息,与传统RGB图像相比,RGB-D图像有受光照、背景变化影响小的优点。本文将叁维人体动作识别中提取的特征依据时间、空间上的层次关系进行分层,由低层到高层共划分为七个层次,高层特征可以由低层特征表示。这种分类方法便于研究者对人体叁维骨架模型的特征提取方法进行学习和理解。事实上,最底层特征就是关节点坐标等深度图像数据,高层特征代表着不同的动作,特征提取所选取的特征值是由底层特征向高层特征表达时构建的一座桥梁。(2)提出一种基于主要特征的特征向量匹配算法。传统的特征向量匹配算法将提取到的所有特征值组成特征向量进行匹配,但没有考虑到每种特征重要性不同这一事实。本文的改进方法借鉴了 PCA主成分分析法中挑选主要成分的思想,对每个动作序列中的每个特征值减去标准站姿相应特征值后的标准差,挑选标准差最大的若干个特征构成新的向量进行匹配。(3)提出一种基于局部肢体动作构建决策树的动作分类方法,利用局部肢体动作与人体整体动作关联性,寻找出不同动作间的局部肢体姿态差异,作为决策树分类的判别条件。最后,在两个公开数据集对上述两种动作识别方法进行准确率测试。(本文来源于《南京大学》期刊2017-05-01）
甘凌云,侯进[8]（2016）在《一种基于模型分割的叁维人体骨架提取方法》一文中研究指出针对当前叁维骨架提取方法复杂度较高、提取结果不够准确,以及专门针对人体模型的方法较少等问题,提出一种基于模型分割的叁维人体骨架提取方法。首先,根据模型顶点与末端特征点的最小测地距离将模型分割;然后由归一化的测地距离函数确定模型各顶点所属拓扑层次;接着在模型分割的基础上依据拓扑层次提取出原始骨架点;最后经过微调,将各骨架点按照拓扑关系连接得到较为精确的人体骨架。实验结果表明,该方法有效降低了骨架提取算法的复杂度,且对不同姿势的人体模型均可获得较为准确的提取结果。(本文来源于《计算机应用与软件》期刊2016年09期）
吴珍珍,邓辉舫[9]（2016）在《利用骨架模型和格拉斯曼流形的3D人体动作识别》一文中研究指出为了通过几何特征的有效方法描述人体骨骼运动,构建3D人体动作识别系统,提出一种基于3D骨骼关节空间建模方法。首先,使用自回归和移动平均模型(ARMA)描述每个随着时间变化的运动轨迹,成功捕捉了时空动态运动信息。同时,将该模型的观察矩阵生成的子空间作为格拉斯曼流形中一个点;然后,通过学习控制切线(CT)描述每个类的均值,映射学习过程中的观察变量到所有CT形成局部切丛(LTB),LTB流形数据点可直接在分类器上完成分类;最后,提出的方法使用SVM分类器完成训练和分类。MSR-action 3D、Weizmann和UCF-Kinect叁个数据库的实验结果验证了该方法的有效性,与几种基于深度数据的算法相比,该方法获得了最高的识别率,在延迟性方面的性能也表现最优,当帧数为30时,识别率达到97.91%,在延迟较高时,可达到期望识别率。(本文来源于《计算机工程与应用》期刊2016年20期）
吴洪峰[10]（2016）在《基于kinect人体骨架模型的人体动作识别研究》一文中研究指出人体动作识别是计算机视觉和模式识别领域的热点研究问题。人体动作识别技术广泛应用于智能监控、影视动作制作、人机交互、运动分析与医学康复等诸多领域,创造了巨大的社会效益和经济效益。本文在分析了人体动作识别的国内外研究现状和相关动作识别算法的基础上,基于kinect人体骨架模型,展开了人体动作识别研究。本文所做的主要工作如下:(1)首先,构建了动作识别特征向量。论文通过kinect设备提取动作视频中人体骨架的空间位置特征信息,在此基础上,结合人体动作的静态属性和动态属性构建了本文中进行动作识别的特征向量。(2)其次,提出了新的帧选择模型。在对动作视频进行识别的过程中,并不是所有的帧图像都是对识别有利的,有些帧甚至会混淆动作类别,影响最终的识别效果,提出了基于累积运动能量算法的帧选择模型,该模型将极大地提高识别效率,减少运算量,缩短运行时间。(3)然后,本文构建了基于模糊支持向量机的人体动作识别系统,对获得的特征向量首先进行标准化处理,其次进行主成分分析降维,最后用基于模糊支持向量机的识别算法进行训练建模与识别分类。(4)论文的最后部分给出了实验平台的搭建以及实验结果的分析,详细分析了实验数据量以及实验对象对于实验结果的影响,同时比较了所构建的动作识别系统与当前先进的识别算法识别率的优劣,最后给出了详细的实验结果数据并以表格的形式展示。(本文来源于《上海师范大学》期刊2016-01-08）
人体骨架模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对复杂场景中分割人体不准确的问题,提出了一种在图论优化框架中联合RGB-D信息和骨架信息的人体分割算法.首先,采用边缘引导的滤波算法修复低质量的深度图,得到高质量的深度图;然后通过一种聚类算法对RGB-D数据进行聚类得到超像素;最后在图模型中将超像素看作节点,并结合相应的人体骨架来提高区分人体和背景相似颜色区域的能力,设计能量函数各组成项,最小化能量函数得到全局最佳的融合结果.为验证算法的有效性,在实际场景数据集上与多种算法进行比较.实验结果表明,在主观视觉和客观指标上,本文提出的算法均得到了更为准确的人体分割结果.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
人体骨架模型论文参考文献
[1].朱凌飞,万旺根.基于骨架模型的人体行为分析[J].电子测量技术.2019
[2].岳焕景,黄道祥,宋晓林,杨敬钰,沈丽丽.基于图模型及骨架信息的人体分割算法[J].天津大学学报(自然科学与工程技术版).2018
[3].姚旭.基于词袋模型的叁维骨架序列人体行为识别[D].河南大学.2018
[4].谭贝贝.基于人体骨架模型的人体行为识别[D].贵州大学.2018
[5].张小勤,李颖,谭立文,张绍祥.人体心脏纤维骨架及瓣膜叁维模型的构建及其3D打印模型的应用探讨[J].第叁军医大学学报.2018
[6].王琛,刘弘,陆佃杰.基于Kinect骨架追踪的叁维人体模型检索[J].山东师范大学学报(自然科学版).2018
[7].扆泽林.基于人体叁维骨架模型的特定动作识别[D].南京大学.2017
[8].甘凌云,侯进.一种基于模型分割的叁维人体骨架提取方法[J].计算机应用与软件.2016
[9].吴珍珍,邓辉舫.利用骨架模型和格拉斯曼流形的3D人体动作识别[J].计算机工程与应用.2016
[10].吴洪峰.基于kinect人体骨架模型的人体动作识别研究[D].上海师范大学.2016