导读:本文包含了人体跟踪论文开题报告文献综述及选题提纲参考文献，主要关键词:干细胞培养,细胞体外培养,扩增培养,分化能力,细胞群,猪肌肉,肌肉细胞,技术评价,食物摄入,中国农学会
人体跟踪论文文献综述
李晨琰[1]（2019）在《国内首块人造肉诞生，你敢吃吗》一文中研究指出日前，中国第一块人造培养肉在南京农业大学国家肉品质量安全控制工程技术研究中心诞生。该中心主任、首席科学家周光宏带领团队使用第六代的猪肌肉干细胞培养20天，“生产”5克重的人造培养肉。这是国内首例由动物干细胞扩增培养而成的人造肉。昨天，中国农学会组(本文来源于《文汇报》期刊2019-11-22）
陆玉立[2]（2019）在《叁维人体动画单目视频运动轨迹准确跟踪方法研究》一文中研究指出为了提高叁维人体动画单目视频运动轨迹跟踪识别能力,提出一种基于Harris角点检测和模板特征匹配的叁维人体动画单目视频运动轨迹准确跟踪方法。采用帧扫描和块匹配方法进行叁维人体动画单目视频运动轨迹图像的边缘轮廓特征检测,采用电子稳像渲染方法实现叁维人体动画单目视频运动轨迹图像的稳态跟踪,结合Harris角点检测方法提取运动轨迹图像的关键动作特征点与轮廓信息,对重建叁维人体动画单目视频运动轨迹图像的表面纹理特征进行多模态配准,对叁维人体动画单目视频运动轨迹图像进行平滑去噪,降低叁维人体动画单目视频运动轨迹重建和跟踪的误差,实现叁维人体动画单目视频运动轨迹的准确跟踪。仿真结果表明,采用该方法进行叁维人体动画单目视频运动轨迹跟踪的分辨力较高,特征点的匹配能力较强,提高了人体动画轨迹跟踪的精度。(本文来源于《长春大学学报》期刊2019年08期）
张鋆豪,何百岳,杨旭升,张文安[3]（2019）在《基于可穿戴式惯性传感器的人体运动跟踪方法综述》一文中研究指出基于可穿戴式惯性传感器(Inertial sensor unit, IMU)的人体运动跟踪技术具有佩戴方便、运动空间不受限和成本低等优点,已广泛应用于医疗康复、体育竞技、人机交互和虚拟现实等领域.本文对惯性式人体运动跟踪技术的发展历史、研究现状以及典型方法进行了较为全面的梳理和总结,主要包括人体运动学模型和生物学约束,传感器初始对准方法,传感器种类,传感器误差处理以及数据融合方法,并概述相关方法应用于实际的现状.最后,总结了该领域待解决的难点问题,并对未来的发展趋势进行了展望.(本文来源于《自动化学报》期刊2019年08期）
史国凯[4]（2019）在《在线时空关联的人体检测跟踪一体化方法》一文中研究指出视觉人体检测跟踪一体化技术在很多领域都有着重要的应用价值,其关键技术有:鲁棒的目标检测技术、稳定的路径关联技术。主流的路径关联技术只考虑了目标的时间相关性,没有同时兼顾目标的时空关联属性,当相似目标距离太近时,容易导致错位跟踪。本文提出基于深度神经网络学习和结构化在线学习算法联合的目标检测跟踪一体化方法,通过构建结构化在线学习模型,建立目标时空关联关系。实验验证了所提方法可以有效抵制相似目标的干扰问题,并可提升对严重遮挡目标的跟踪能力。(本文来源于《现代导航》期刊2019年04期）
姜嘉璇,黄春琳[5]（2019）在《人体快转向运动自适应卡尔曼跟踪算法》一文中研究指出穿墙雷达对人体目标进行跟踪探测面临一系列技术难点,包括墙体反射产生的虚警、射频干扰、定位误差和目标丢失等。针对上述问题,文中基于多目标数据关联和自适应的卡尔曼滤波算法,提出一种适用于穿墙雷达探测的快转向运动人体轨迹跟踪综合处理算法,重点解决快转向运动人体目标的跟踪及多运动人体目标的轨迹交叉等问题。实验结果验证了该算法具有虚警较少、轨迹平滑、计算量小、易于工程实现、定位误差可减小50%等优点。对于反向运动的人体目标,算法也可进行有效跟踪。(本文来源于《现代雷达》期刊2019年07期）
吕晓华,张群英,刘新,陈忠诚,方广有[6]（2019）在《一种便携式地面监视雷达人体目标跟踪算法》一文中研究指出卡尔曼滤波算法在目标跟踪领域已得到广泛应用,但由于其运动模型的固定性,对于无规律运动的人体目标跟踪而言存在一定的失效问题。粒子滤波算法对目标的运动模型没有要求,但随着迭代计算,其粒子多产生于权重高的粒子,导致跟踪精度较差。针对运动轨迹复杂多变的人体运动目标,提出一种基于动态匹配的粒子卡尔曼(DM-PK)滤波人体目标跟踪算法,该算法根据预测值与观测值的差值和统计意义上的模型预测误差的关系实时判断目标是否发生机动,发生机动时采用DM-PK来估计目标状态,减小目标机动时由于新息序列发生突变引起的误差。对DM-PK进行了50次蒙特卡洛仿真实验验证,结果显示DM-PK算法可有效提高人体机动目标的跟踪精度。(本文来源于《电子测量技术》期刊2019年13期）
林晓菊[7]（2019）在《基于叁帧差法的人体水中运动轨迹跟踪系统设计》一文中研究指出为了解决传统的人体运动轨迹跟踪系统在进行水下跟踪时模型叁维重建时间长,得到的跟踪轨迹与人体实际运动轨迹不符的问题,基于叁帧差法设计一种新的人体运动轨迹跟踪系统。该系统针对水下环境进行深入研究,在硬件架构中设立了初始化层、运动检测层和人体跟踪层,并构建叁维人体模型、运动特征提取模块和运动特征分割模块,以此确定人体的边界特征、灰度特征、轮廓特征和肤色特征。引用叁帧差法设立系统软件流程,共分为图像检测、差分图像获得、阈值处理、连通性分析、图像判别五步。为检测跟踪系统效果,与传统跟踪系统进行实验对比,结果表明,基于叁帧差法设计的人体水下运动轨迹跟踪系统可以在短时间内构建出叁维模型,绘制的跟踪轨迹与实际运行轨迹相似度高于传统跟踪系统。(本文来源于《现代电子技术》期刊2019年13期）
李红江[8]（2019）在《人体多目标跟踪的研究》一文中研究指出随着科学技术的发展,视频中的多目标跟踪技术一直以来是很多人工智能研究学者的一项重要研究内容。人体多目标跟踪在视频监控、无人驾驶和人体运动分析等领域得到广泛应用。尽管很多研究人员已经在多目标跟踪上取得很大的成就,但是由于光照、人体交错运动、遮挡、形变等众多因素的影响,依然存在一些需要解决的问题。多目标跟踪效果的好坏也与目标检测也有密切的联系。本文针对不同的影响因素,主要研究内容及创新如下:(1)针对SSD目标检测算法在检测过程中需要对提取特征图中的每个网格进行多框预测的复杂问题,提出了一种避免冗余计算的改进方法。先获视野中的背景进行背景建模,利用基于自组织的背景减除法获取当前视频帧中目标出现的区域,然后利用SSD对目标区域框进行分类,获取检测到的人体目标,避免了对只包含背景特征的网格单元进行多框检测。针对SSD检测算法对小目标检测效果不佳的问题,提出一种利用上下文信息实现特征融合的方法。(2)针对多目标跟踪过程中目标的区域密集度和跟踪的实时性问题,提出了一种基于区域划分的多目标跟踪算法。先将检测获得的目标作为图的结点,利用相关聚类算法进行区域划分,然后利用检测目标与跟踪目标的相关性将跟踪目标归入划分的区域,最终跟踪场景被划分为简单跟踪区域和复杂跟踪区域。在简单跟踪区域中,采用简单的颜色特征作为跟踪依据;在复杂跟踪区域中,采用复杂特征的跟踪模型实现目标跟踪。(3)针对复杂跟踪区域中的遮挡以及快速运动对目标跟踪的影响问题,提出了一种基于局部特征的跟踪方法。首先,利用Kalman滤波对遮挡目标进行运动范围预测;其次,将跟踪目标进行网格化,通过改进的卷积神经网络(CNN)训练出一个基于局部特征自适应加权的跟踪模型,再结合离线方式的核相关滤波跟踪算法,实现对局部遮挡以及完全遮挡情况下的目标跟踪。最后,在MOT-2016数据集上的实验结果表明,本文所提出人体多目标跟踪算法能更好地处理复杂场景下存在的跟踪问题,且具有更好地实时性。(本文来源于《辽宁大学》期刊2019-05-01）
刘天山[9]（2019）在《鲁棒跟踪下RGB-D多模态人体行为识别研究》一文中研究指出人体目标跟踪及其行为识别已成为计算机视觉领域的新热点,在智能监控、虚拟现实、智能家居和人机交互等领域有着重要作用。为此,研究者们提出了很多解决办法。然而,人体自身存在非刚体性、非对称性和多态性的特点,以及复杂环境下人体目标易受遮挡、光照改变、尺度变化等干扰,致使此项研究在人体目标跟踪、人体特征提取和行为识别等环节上出现诸多鲁棒性难点。因此,本文提出一种鲁棒跟踪下RGB-D多模态人体行为识别研究。以解决人体目标的精准定位和跟踪为前提,融合RGB-D的可见光视频数据、深度信息和人体骨架模型等多模态数据,实现人体行为识别。本文的主要贡献如下:(1)本文提出了一种基于自适应选择机制的联合模型目标跟踪算法。利用特征选择机制从正负模板集中挑选更具判别力的特征,并结合置信值度量策略构建稀疏判别模型。结合_1正则化和子空间表示构建稀疏生成模型,在处理离群子的同时保留了充足的表征能力。为了克服传统的乘性融合机制的不足,本文提出了一种基于欧式距离的自适应选择机制,旨在动态的跟踪过程中及时发现恶化的模型,并采取相应的策略构建更为合理的似然函数。基于贝叶斯引理框架,利用自适应选择机制联合稀疏判别模型和稀疏生成模型。此外,针对模板集和PCA子空间采取不同的在线更新策略,在缓解漂移问题的同时保证算法能够适应动态跟踪环境中目标外观的变化。通过对实验结果的定量和定性评估,验证了与其他经典算法相比本文提出的算法具有更强的鲁棒性。(2)本文提出了一种基于多模态关联表示学习模型的RGB-D人体行为识别方法。在特征提取阶段,面向RGB数据和深度图数据,提出一种鲁棒的时空金字塔特征,用以提取每个骨骼关节点周围的局部动态模式,兼顾局部特征的空间排列信息和时序结构。为了学习出更加紧凑且具有区分性的共享语义特征,提出一种多模态关联表示学习模型。针对每种模态数据引入相应的线性映射矩阵,来压缩原始的特征空间得到低维的子空间,然后使用量化矩阵对共享成分进行编码。通过制定一个有监督的多任务学习框架,联合学习低维子空间和共享特征。并提出一种迭代优化算法来求解模型,获取最优模型参数。最终,使用一种基于权重正则化矩阵的改进的协作表示分类器完成快速的行为分类。在四个RGB-D行为数据集上的实验结果验证了本文所提算法的有效性。(3)本文提出了一种基于协作的多模态特征学习模型的RGB-D人体行为识别方法。协作的多模态特征学习模型使用有监督的矩阵分解方式对叁种模态的数据(RGB模态,深度模态,人体骨架模态)进行分解,一方面学习共享特征来挖掘不同模态间的潜在联系,另一方面学习模态-特有特征来捕捉各模态本质且独有的特性。共享特征与模态-特有特征二者互为补充,提供更具判别力的语义特征。通过制定一个统一的最大间隔学习框架,联合学习共享特征、模态-特有特征以及动作分类器,使得学习到的高层特征表示可以更好地用于分类。为了求解所提出的模型,提出一种迭代的优化算法来获取最优模型参数。在四个RGB-D行为数据集上的大量实验结果验证了与现有的前沿算法相比,本文所提算法能够取得较好的识别性能。另外,实验结果表明所提模型可以将从训练样本中学习到的有用信息迁移至测试样本,从而有效应对测试阶段有部分模态数据缺失的情形。(本文来源于《江南大学》期刊2019-05-01）
郑恬[10]（2019）在《基于视频的人体检测、跟踪和叁维重建》一文中研究指出基于视频的人体检测、跟踪和叁维重建是指从包含人体运动的视频中检测到人体并提取出人体的骨骼关键点,然后利用这些信息构建出与视频中人体姿态和形状相似的叁维人体模型。该技术在游戏制作、影视广告、虚拟现实等方面有广泛的应用。目前,叁维人体模型姿态获取的主要途径是借助大型叁维扫描仪器,或穿戴设备捕捉等方法。这些方法虽然建模精度高,但是需要人体长时间地站在设备前,不可以任意运动,或者穿戴沉重的设备从而影响运动的真实性,而且获取代价高。为了克服传统人体建模方法的缺点,本文重点研究基于视频的和卷积神经网络的人体检测跟踪,然后提取检测到人体的骨骼关键点信息,将该信息应用到人体的叁维重建中。首先,本文研究MobileNet网络,该网络将传统的卷积层变为深度可分离式卷积。MobileNet网络在仅降低非常小的预测精度的情况下,极大提升前向运算速度且减少模型参数。本文以MobileNet网络为基础,通过应用空洞卷积,扩大其感受野,在保证参数量不变的前提下,提高网络学习精度。其次,本文研究OpenPose算法,该算法通过卷积网络实现人体的关键点定位,是一个基于多人骨骼关键点的实时识别和跟踪的算法。本文重构OpenPose网络架构,用MobileNet网络的深度可分离式卷积代替原有的VGG网络,将原有OpenPose并列网络层共享,用具有1×1和两个3×3的卷积核的连续卷积块替换单一的7×7的卷积核,从而在不减少精度的前提下,减少计算量。最后,本文研究SMPL模型,该模型是一种基于蒙皮顶点的,数据驱动的参数化模型。本文通过卡尔曼滤波器修正OpenPose获取的二维骨骼关键点坐标。将修正后的骨骼关键点坐标与SMPL模型的叁维关键点一一对应。判断身体如果旋转,计算侧面视角下的人体方向。然后分别计算原有方向和侧面方向下叁维关键点坐标到二维关键点坐标的投影与获取的骨骼关键点坐标之间的距离,选取相对距离小的方向作为图像中目标的叁维方向。相对于借助其他设备获取叁维模型,本文提出的方法可以应用到普通视频中。本文将提出的优化MobileNet网络方法与标准MobileNet网络,优化OpenPose网络结构的方法与原有OpenPose方法,以及更改身体方向判断的SMPL模型与原有SMPL模型叁方面做了对比,实验结果表明,本文方法在人体检测、跟踪和叁维重建方面均有所提升。(本文来源于《长安大学》期刊2019-04-08）
人体跟踪论文开题报告
（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：
为了提高叁维人体动画单目视频运动轨迹跟踪识别能力,提出一种基于Harris角点检测和模板特征匹配的叁维人体动画单目视频运动轨迹准确跟踪方法。采用帧扫描和块匹配方法进行叁维人体动画单目视频运动轨迹图像的边缘轮廓特征检测,采用电子稳像渲染方法实现叁维人体动画单目视频运动轨迹图像的稳态跟踪,结合Harris角点检测方法提取运动轨迹图像的关键动作特征点与轮廓信息,对重建叁维人体动画单目视频运动轨迹图像的表面纹理特征进行多模态配准,对叁维人体动画单目视频运动轨迹图像进行平滑去噪,降低叁维人体动画单目视频运动轨迹重建和跟踪的误差,实现叁维人体动画单目视频运动轨迹的准确跟踪。仿真结果表明,采用该方法进行叁维人体动画单目视频运动轨迹跟踪的分辨力较高,特征点的匹配能力较强,提高了人体动画轨迹跟踪的精度。
（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。
人体跟踪论文参考文献
[1].李晨琰.国内首块人造肉诞生，你敢吃吗[N].文汇报.2019
[2].陆玉立.叁维人体动画单目视频运动轨迹准确跟踪方法研究[J].长春大学学报.2019
[3].张鋆豪,何百岳,杨旭升,张文安.基于可穿戴式惯性传感器的人体运动跟踪方法综述[J].自动化学报.2019
[4].史国凯.在线时空关联的人体检测跟踪一体化方法[J].现代导航.2019
[5].姜嘉璇,黄春琳.人体快转向运动自适应卡尔曼跟踪算法[J].现代雷达.2019
[6].吕晓华,张群英,刘新,陈忠诚,方广有.一种便携式地面监视雷达人体目标跟踪算法[J].电子测量技术.2019
[7].林晓菊.基于叁帧差法的人体水中运动轨迹跟踪系统设计[J].现代电子技术.2019
[8].李红江.人体多目标跟踪的研究[D].辽宁大学.2019
[9].刘天山.鲁棒跟踪下RGB-D多模态人体行为识别研究[D].江南大学.2019
[10].郑恬.基于视频的人体检测、跟踪和叁维重建[D].长安大学.2019
标签：干细胞培养; 细胞体外培养; 扩增培养; 分化能力; 细胞群; 猪肌肉; 肌肉细胞; 技术评价; 食物摄入; 中国农学会;