导读:本文包含了运动人体目标检测论文开题报告文献综述及选题提纲参考文献，主要关键词:深度学习,实时检测,双目视觉定位,动作识别
运动人体目标检测论文文献综述
常晓龙[1]（2018）在《基于深度学习的人体运动目标实时检测定位与动作识别》一文中研究指出在当今人工智能与大数据驱动下的智能计算机行业中,图像处理与模式识别逐渐成为学者专家研究的重点。目标检测与定位在安防视频监控中起着非常重要的作用,同时在工业检测也有广泛的应用。随着研究的不断深入,需更精确的分析视频中人体的动作行为,故动作识别也逐渐成为计算视觉研究领域的重要方向,在人机交互、智能监控领域中,可预见的应用前景十分可观。本文在仔细研究阅读大量国内外参考文献基础上,总结了学者前辈研究工作的优缺点,并对针对舞台这一特定场景,对人体运动目标实时检测定位和动作识别等关键技术进行深入的研究。在目标检测中,分析了几种深度学习的目标检测方法,针对本文研究场景,采用SSD(Single Shot MultiBox Detector)目标检测方法。通过数据增强、特征优化以及迁移学习对本文的检测模型进行调优,提高检测精度,实现对目标的实时检测,并通过自己设计视觉标定物,来实现多人身份的唯一性检测;在双目视觉定位中,相机标定采用棋盘格标定法,利用Matlab相机标定工具箱进行标定,以及通过自定义世界坐标与图像坐标中对应点求解相机的内参和外参,最后利用极线几何约束关系对目标进行定位。在检测定位实验中,实现40fps检测速度,且平均定位误差在10cm以内。在动作识别中,本文提出了一种基于多项式拟合的模特走秀动作评价方法。首先采用基于局部亲和域的方法对人体关节点进行检测,同时为消除相机位姿和个体体型的差异,可将检测的关节点利用普氏分析进行数据校准;其次将人体关节点分为脊柱、上肢和下肢叁部分进行分析,分别从水平方向和竖直方向进行多项式拟合;然后将多项式拟合系数进行PCA数据降维;最后将降维后的系数作为动作分析评价的特征,利用SVM分类器实现对模特走秀动作的分类识别。该方法通过交叉验证的准确率为71.9%,初步实现了对模特走秀动作的专业性评价。(本文来源于《浙江理工大学》期刊2018-12-10）
叶华,谭冠政,胡长坤,戴正科[2]（2018）在《曲率滤波-经验模式分解的运动人体目标检测预处理》一文中研究指出利用曲率滤波-经验模式分解预处理检测并提取人体目标特征,以降低图像分解运算复杂度,同步增强边缘和纹理特征,提高特征区分性。表现在:(1)在第一层经验模态分解中,以曲率滤波曲面映射原图像的连续平滑曲面,形成包络曲面及均值面,首层分解图像纹理特征显着,以下各层凸显边缘与结构特征;(2)从低分辨率到高分辨率尺度图像匹配出相邻层强边缘区域,易于人体目标轮廓候选区域的提取;(3)以首层分解图纹理特征筛分背景,在相邻层中匹配前景特征区域,形成人体姿态特征的轨迹图,易于判别人体姿态及行为。在人体行为识别实验中,采用曲率滤波-经验模式分解预处理提取的轮廓特征与人体行为典型数据库ground truth对比,在UIUC示例数据的轮廓提取的精度和召回率都达到90%以上。对人体姿态及行为做识别处理,验证了预处理方法的有效性。(本文来源于《红外与激光工程》期刊2018年02期）
任军,张惠芳[3]（2017）在《多传感器信息融合下人体运动姿态的目标检测与跟踪研究》一文中研究指出为了解决人体运动姿态的目标检测与跟踪问题,对选取人体运动姿态信息采集部位和创建人体躯干坐标系做了详细的概述,分析了人体运动姿态的目标检测与跟踪系统的架构与功能设计,以跌倒为例,对基于加速度和基于加速度与倾斜角相结合的两种方法进行了探析,结果表明后者不仅能够实时检测到人体在运动过程中的振动幅值,还能检测到躯干与地面的角度值,结合这两个结果,能够保证系统在人体运动姿态的目标检测与跟踪方面具有较高的精度和效率。(本文来源于《2017冶金企业管理创新论坛论文集》期刊2017-08-07）
汪梦[4]（2017）在《监控视频运动目标检测和人体行为分析》一文中研究指出监控视频的运动目标检测和人体行为分析技术是以人为监控目标的监控系统自动化的关键技术。该技术在交通监管、军事航天、体育竞技等领域具有广泛应用,对于如机场、火车站等人流量较大的公共场所的安全防范工作尤其重要。人工的监察耗时长、工作量大且易疏漏。因而基于监控视频的运动目标的自动检测和人体行为自动化识别技术具有重要研究意义与价值。本文的主要研究内容包含叁个方面,其中运动目标检测、多行人跟踪及人体行人识别为主要研究内容。本文先通过一种用置信度将纹理和颜色特征融合的背景差分法检测出运动目标区域,并对运动目标中的人体进行检测和跟踪,最后基于跟踪所得的人体动作关键帧序列对人体走、奔跑、慢跑、拍手、挥手5种动作进行分类。本文的主要研究内容如下:(1)通过综合比较颜色特征和纹理特征在运动目标检测中的优缺点,针对两者的优缺点提出了一种基于纹理和颜色特征置信融合的运动目标检测方法。该方法以局部叁值模式纹理特征(Scale Invariant Local Ternary Pattern,SILTP)值与RGB颜色信息值及各自的置信度一起构建背景模型,然后根据相似度匹配对像素点分类。实验证明本文提出的方法能有效改善光照变化和阴影造成的误检,对复杂动态背景也有一定的处理效果。(2)DPM(Deformable Parts Model)算法是目前具有最高水平行人检测效果的多模型、多尺度行人检测算法,本文基于DPM良好的行人检测效果,提出了一个多行人跟踪框架。该框架基于Kalman滤波的单行人跟踪器对每个行人跟踪,然后用JPDA数据关联算法将检测与目标关联从而实现多行人跟踪。该跟踪框架对遮挡和尺度较小的行人也能有效跟踪。(3)对传统的基于时空兴趣点的人体行为分析算法做出改进。在原来的算法基础上引入人体的宽高比特征、速度与时空特征一起构建行为特征向量。并通过k-means算法对特征向量分类。最后根据Hausdorff距离计算相似度,从而将动作分类。本文通过加入跟踪所得的动作之人的宽高比特征和速度特征。通过实验证明改进后的算法能更好的将走、奔跑、慢跑加以区分,宽高比特征的加入也使得拍手和挥手的识别率提高。(本文来源于《武汉理工大学》期刊2017-03-01）
董艳莉,朱一峰[5]（2015）在《医用人体运动目标检测与跟踪系统在DSP上的实现》一文中研究指出医用人体运动的检测与跟踪是人体运动分析的重要组成部分,对医用人体运动目标检测与跟踪系统在DSP开发平台DM642系统上的软件设计和实现过程进行了研究,完成了视频的采集、处理和显示任务,并为系统配置了远程网络视频显示,最终实现了基于DSP的运动人体目标检测与跟踪系统.(本文来源于《辽宁师专学报(自然科学版)》期刊2015年04期）
罗欢[6]（2015）在《面向特殊场景的运动人体目标检测与跟踪研究》一文中研究指出运动目标检测和跟踪是机器视觉研究中最基础的两个核心问题，在公共安防、智能交通等领域有着广泛的应用。但是在现实的环境中，存在诸多的如光照变化、遮挡和相似目标等干扰因素，会导致运动目标检测和跟踪的不准确。对于此问题，本文围绕光照突变环境下的运动目标检测和跟踪进行了研究，主要工作如下：首先，针对在传统目标检测中，对于光照突变环境处理能力较弱的问题，本文结合混合高斯背景建模和叁帧差分法对目标进行检测。该方法在混合高斯背景建模的基础上，采用统计法，判断是否有光照变化，对待光照突变环境中的目标检测，采用叁帧差分法；同时，将检测区域分为静态区域与动态区域，对静态区域实行隔帧检测，减少程序计算量。其次，针对在目标跟踪中，采用单一的颜色特征来跟踪目标容易造成目标丢失的问题，本文采用了一种基于粒子滤波的多特征信息融合跟踪算法。提取目标的颜色信息以及统计特征信息，通过特征的自适应融合来描述运动目标，且能根据环境的变化自适应的调整特征的权重，实现在光照变化场景中目标的鲁棒性跟踪。最后，为了验证算法的有效性，本文设计了不同场景下的目标跟踪实验，并进行了数据分析，结果表明该方法能够达到较好的跟踪效果。(本文来源于《武汉科技大学》期刊2015-05-23）
陆晨皓[7]（2015）在《基于RGB-D的人体运动目标检测及其应用》一文中研究指出随着软硬件技术的不断更新与发展,利用计算机检测人体目标已经成为研究热点。在诸如机器人、监控系统、智能车辆等视觉应用中,人体目标检测不仅有着直接的应用价值,同时也为计算机感知人体目标行为研究提供基础,具有广阔的理论研究价值。Kinect的诞生正是对视觉领域的一次革新,它让更多的研究人员接触到了更广阔的视觉领域——深度信息。在单一图像信息检测研究未能有重大突破的情况下,RGB-D信息检测研究将逐渐成为视觉领域的研究热点。本文主要利用Kinect进行彩色-深度信息(RGB-D)采集,围绕着基于RGB-D的人体运动目标检测技术展开研究,并将研究内容应用于实际中。主要研究内容分为以下叁部分:(1)通过改进基于RGB图像的人体检测方法,并联合深度信息,设计了一种更高效的基于RGB-D的人体目标联合检测方法。其中,利用聚合通道特征和线性SVM级联分类器,配合深度先验信息的辅助定位,最终完成了快速人体目标检测任务。实验表明,该方法在仅损失一些精度的情况下,能够达到30fps的检测速率,符合检测系统的实时性要求。(2)综合了卡尔曼滤波与粒子滤波的优势,实现了一种融合粒子滤波与卡尔曼滤波的跟踪方法。该方法能在弥补单一滤波跟踪方法不足的同时,满足运动目标跟踪的实际需要。通过实验对比分析,证明了该融合滤波跟踪方法的效果优于单一滤波跟踪方法。(3)利用上述的检测与跟踪方法建立检测跟踪模型,完成了一个实时人数统计系统的应用软件,使用户能够通过软件界面体验到基于RGB-D信息的人体运动目标检测的研究成果。(本文来源于《电子科技大学》期刊2015-05-12）
李伟[8]（2013）在《视频图像中人体运动目标检测与跟踪算法研究》一文中研究指出人体运动目标的检测与跟踪是人体运动视觉分析的重要内容，也是计算机视觉研究的重要领域之一。在智能安全监控、高级人机交互、人体运动细节分析等方面有着广泛的应用前景和极大的经济价值。包含运动人体的图像序列的形成可基于以下两种情况:一种是静态背景环境，一种是动态背景环境。本文重点研究了静态背景下视频图像序列中人体运动目标的检测识别与跟踪。在人体运动目标检测阶段，首先对当前常用的运动目标检测算法进行研究。综合考虑它们的优缺点以及适用场合，本文采用基于自适应混合高斯背景模型的背景减除法进行目标的检测。首先是对读取的视频图像进行去噪平滑处理，然后采用上述提出的方法进行运动目标的提取并进行阴影的去除，对于前景区域的空洞采用形态学滤波的方法消除，再对得到的二值图像进行连通域分析，得到连通区域的个数和面积，最后采用区域的面积比以及人体高宽比的特征进行人体分类识别。经实验证明，该算法流程检测效果良好，具有很好的鲁棒性。在人体运动目标跟踪方面，本文先介绍了几种常用的运动目标跟踪方法，然后重点研究了卡尔曼滤波跟踪方法和基于Camshift算法的跟踪方法。基于卡尔曼滤波的跟踪是利用目标的运动信息，而Camshift算法是利用目标本身的颜色特征实现跟踪。在此基础上本文提出一种基于Camshift算法和Kalman滤波器相结合的跟踪算法，综合考虑目标的色彩信息和运动信息，成功解决了与目标具有相似颜色的背景或其他目标对跟踪的干扰问题以及目标的遮挡问题，实验结果证明两者结合的算法既缩短了搜索匹配的时间，又提高了跟踪精度，具有良好的跟踪效果。(本文来源于《中国海洋大学》期刊2013-05-23）
蒋钘[9]（2013）在《人体运动目标检测与跟踪关键问题研究》一文中研究指出人体运动分析是当代计算机视觉和生物学相结合的一项重要技术,在军事国防、视频监控、人机交互、医疗诊断以及商业等领域均有广泛的应用。目前,国内外学者对该领域做了大量的研究,并取得了一些成果。但由于人体形态及运动的复杂性,人体运动目标分析在理论和应用上仍面临着很多难题,本文在前人已有成果的基础上,重点对人体运动检测过程中背景建模、运动目标提取以及人体运动目标自动化跟踪过程模板的更新、轨迹预测等关键问题展开进一步研究。在人体运动目标检测方面,通过比较分析各种人体检测算法,在背景建模过程中引入边缘检测、灰度相关性计算以及图像分块处理技术,对surrendra背景建模方法进行改进；在目标提取过程中选用自适应迭代阈值法、形态学处理、连通性分析相关技术优化提取结果。实验结果表明改进的算法将相邻的多个像素进行整体处理,消除因单个像素扰动而产生的误检,有效克服光照变化的影响,实时性和准确性较高。在人体运动目标跟踪方面,对Mean-shift算法在人体运动目标跟踪中的不足进行了改进,提出一种融合模板加权更新和最小二乘预测的自动化Mean-shift搜索的运动目标跟踪新方法。利用人体目标检测信息初始化Mean-shift参数,实现自动化跟踪；通过引入最小二乘线性预测与曲线预测相结合的方法有效的解决定位偏差和目标遮挡的问题；利用模板加权更新算法使Mean-shift算法在稳定性方面得到了改进；最后根据跟踪得到的质心位置,记录人体目标运行轨迹。实验表明,本算法实现了人体目标的自动化跟踪,增强了Mean-shift算法在目标姿态变化、光照变化下的跟踪有效性,克服目标被干扰物短暂阻塞和遮挡的情况,保证了匹配的可靠性,在稳定性以及实时性方面取得了明显的优势。(本文来源于《中南林业科技大学》期刊2013-05-01）
李伟,熊建设[10]（2013）在《视频图像中人体运动目标检测算法研究》一文中研究指出视频图像中人体运动目标的检测是人体运动视觉分析的主要研究方向之一,在许多方面有着广泛的应用。主要针对摄像头固定即静态背景下的情况,提出一种基于高斯建模的背景减除法来实现运动目标的检测,并对运动目标实现人体分类判别,不仅可以较为精确地从背景中提取出前景区域,获得人体目标信息,又对环境有一定的自适应性,算法具有比较良好的鲁棒性。(本文来源于《现代电子技术》期刊2013年03期）
运动人体目标检测论文开题报告
（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：
利用曲率滤波-经验模式分解预处理检测并提取人体目标特征,以降低图像分解运算复杂度,同步增强边缘和纹理特征,提高特征区分性。表现在:(1)在第一层经验模态分解中,以曲率滤波曲面映射原图像的连续平滑曲面,形成包络曲面及均值面,首层分解图像纹理特征显着,以下各层凸显边缘与结构特征;(2)从低分辨率到高分辨率尺度图像匹配出相邻层强边缘区域,易于人体目标轮廓候选区域的提取;(3)以首层分解图纹理特征筛分背景,在相邻层中匹配前景特征区域,形成人体姿态特征的轨迹图,易于判别人体姿态及行为。在人体行为识别实验中,采用曲率滤波-经验模式分解预处理提取的轮廓特征与人体行为典型数据库ground truth对比,在UIUC示例数据的轮廓提取的精度和召回率都达到90%以上。对人体姿态及行为做识别处理,验证了预处理方法的有效性。
（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。
运动人体目标检测论文参考文献
[1].常晓龙.基于深度学习的人体运动目标实时检测定位与动作识别[D].浙江理工大学.2018
[2].叶华,谭冠政,胡长坤,戴正科.曲率滤波-经验模式分解的运动人体目标检测预处理[J].红外与激光工程.2018
[3].任军,张惠芳.多传感器信息融合下人体运动姿态的目标检测与跟踪研究[C].2017冶金企业管理创新论坛论文集.2017
[4].汪梦.监控视频运动目标检测和人体行为分析[D].武汉理工大学.2017
[5].董艳莉,朱一峰.医用人体运动目标检测与跟踪系统在DSP上的实现[J].辽宁师专学报(自然科学版).2015
[6].罗欢.面向特殊场景的运动人体目标检测与跟踪研究[D].武汉科技大学.2015
[7].陆晨皓.基于RGB-D的人体运动目标检测及其应用[D].电子科技大学.2015
[8].李伟.视频图像中人体运动目标检测与跟踪算法研究[D].中国海洋大学.2013
[9].蒋钘.人体运动目标检测与跟踪关键问题研究[D].中南林业科技大学.2013
[10].李伟,熊建设.视频图像中人体运动目标检测算法研究[J].现代电子技术.2013