导读:本文包含了人体运动姿势识别论文开题报告文献综述及选题提纲参考文献，主要关键词:3D人体模型,图像处理,姿势识别
人体运动姿势识别论文文献综述
申鹏洋[1]（2011）在《基于3D人体模型的单目图像运动姿势识别研究》一文中研究指出随着虚拟现实技术的发展,越来越多的人将虚拟现实技术与计算机视觉的研究结合起来,去探索解决一些计算机视觉领域的难题。而基于模型的图像运动视觉分析人们很早之前就已经开始研究,但是大都是基于二维的人体模型,二维人体模型由于维度的缺失,在进行对图像中的人体运动进行分析的时候会造成信息的丢失,有很大的局限性。本文的研究意在结合虚拟人的运动控制技术,利用叁维人体模型去匹配识别图像中的人体姿势。本文的研究分为两个大的部分,一部分为叁维人体模型的实时运动控制,另一部分为图像的处理与匹配。这两个部分交互进行姿势的识别,叁维人体模型控制部分实时的调整叁维模型的动作姿态,生成的投影图像传递给图像处理与匹配模块,在图像处理与匹配模块将收到的投影图像与要识别的图像首先进行预处理,利用差分法获取人体目标区域,然后以原图像为模板利用边缘匹配和区域匹配的姿态评价函数对投影图像做评价,根据评价结果估算叁维人体模型的下一个运动状态的参数集,通过向叁维人体模型控制部分反馈参数集来驱动叁维人体模型进行下一次的姿态调整,循环整个过程直到姿态评价函数到达收敛,叁维人体模型的投影和源图像的上的人体姿势信息达到基本相似,完成整个识别。我们利用Weizmann数据库中的不同动作图像来进行识别,结果证明我们的方法对于肢体的大范围活动具有较高的识别率。(本文来源于《北京理工大学》期刊2011-12-01）
王强[2]（2008）在《基于流形学习的人体运动姿势识别》一文中研究指出近年来,人运动的视觉分析是计算机视觉领域的研究热点之一,其内容主要包括目标检测,运动目标分类,人体跟踪和行为理解与描述。本文研究内容主要涉及运动人体目标检测和人体运动姿势识别,其研究目的在于通过分析人体的运动姿势为目标跟踪和行为理解等工作提供更多的信息。研究成果可以应用在智能监控、运动分析等应用中。论文包括图像序列预处理、数据降维以及人的运动姿势识别叁方面内容。图像序列预处理阶段包括两部分:(1)对原始图像序列进行运动人体目标检测。(2)为了充分利用人体全局轮廓特征以及不同帧之间的相互关系,采用流形学习算法进行数据降维处理,并根据算法需要构造了一种人体轮廓图像序列规范化操作算法。在一些研究领域中,需要处理的数据具有很高的维数,其中有用的信息淹没在大量数据之中,如何降低待处理数据的维数并提取出有效信息成为需要解决的关键问题之一。数据降维方法分为线性和非线性两类,流形学习属于非线性数据降维方法。本文较详细的讨论了七种比较有影响的数据降维方法,对其原理证明、步骤以及部分应用进行了较详细的整理和阐述。应用局部线性嵌入方法对人体轮廓序列进行降维。实验表明,数据降维后的低维数据之间较好地保持了原始高维数据之间的相互关系,并且在低维空间进行识别的运算量大大减少。本文建立了人体运动轮廓样本库。基于人体轮廓的全局特征,把图像序列帧与帧之间的相互关系利用流形学习方法映射到低维空间的欧氏距离,并在低维欧氏空间中进行数据分类识别。本文分别采用平均Hausdorff距离、高斯模型和隐式马尔可夫模型的方法对待识别数据进行实验分析,并对实验结果进行了分析总结。(本文来源于《大连海事大学》期刊2008-03-01）
人体运动姿势识别论文开题报告
（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：
近年来,人运动的视觉分析是计算机视觉领域的研究热点之一,其内容主要包括目标检测,运动目标分类,人体跟踪和行为理解与描述。本文研究内容主要涉及运动人体目标检测和人体运动姿势识别,其研究目的在于通过分析人体的运动姿势为目标跟踪和行为理解等工作提供更多的信息。研究成果可以应用在智能监控、运动分析等应用中。论文包括图像序列预处理、数据降维以及人的运动姿势识别叁方面内容。图像序列预处理阶段包括两部分:(1)对原始图像序列进行运动人体目标检测。(2)为了充分利用人体全局轮廓特征以及不同帧之间的相互关系,采用流形学习算法进行数据降维处理,并根据算法需要构造了一种人体轮廓图像序列规范化操作算法。在一些研究领域中,需要处理的数据具有很高的维数,其中有用的信息淹没在大量数据之中,如何降低待处理数据的维数并提取出有效信息成为需要解决的关键问题之一。数据降维方法分为线性和非线性两类,流形学习属于非线性数据降维方法。本文较详细的讨论了七种比较有影响的数据降维方法,对其原理证明、步骤以及部分应用进行了较详细的整理和阐述。应用局部线性嵌入方法对人体轮廓序列进行降维。实验表明,数据降维后的低维数据之间较好地保持了原始高维数据之间的相互关系,并且在低维空间进行识别的运算量大大减少。本文建立了人体运动轮廓样本库。基于人体轮廓的全局特征,把图像序列帧与帧之间的相互关系利用流形学习方法映射到低维空间的欧氏距离,并在低维欧氏空间中进行数据分类识别。本文分别采用平均Hausdorff距离、高斯模型和隐式马尔可夫模型的方法对待识别数据进行实验分析,并对实验结果进行了分析总结。
（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。
人体运动姿势识别论文参考文献
[1].申鹏洋.基于3D人体模型的单目图像运动姿势识别研究[D].北京理工大学.2011
[2].王强.基于流形学习的人体运动姿势识别[D].大连海事大学.2008