人体轮廓识别论文-王刘涛,廖梦怡,王建玺,马飞

人体轮廓识别论文-王刘涛,廖梦怡,王建玺,马飞

导读:本文包含了人体轮廓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:人体动作识别,前景分割,轮廓特征,灰度共生矩阵

人体轮廓识别论文文献综述

王刘涛,廖梦怡,王建玺,马飞[1](2017)在《基于关键帧轮廓特征提取的人体动作识别方法》一文中研究指出为了在人体动作识别中获得更加准确的前景分割和防止关键信息的几何丢失,提出一种利用关键帧提取关键姿势特征的人体动作识别方法。由于背景建模和差分获得的前景不准确,利用基于纹理的灰度共生矩阵提取动作轮廓,并对原图像帧进行分割;然后计算人体Blob的能量,选取最大信息内容的帧作为关键帧,关键帧的获取使得特征提取对时间的变化具有一定鲁棒性;在特征分类识别阶段,为了提高分类的准确性,提出使用支持向量机-K最近邻(support vector machine-k nearest neighbor,SVM-KNN)混合分类器完成分类。在Weizmann,KTH,Ballet和TUM 4个公开数据集上实验验证了该方法的有效性。相比于局部特征方法、全局特征方法和关键点方法等,该方法获得了更高的识别率。此外,实验结果表明,该方法在KTH和Weizmann数据集上的早期识别效果优于Ballet数据集。(本文来源于《重庆邮电大学学报(自然科学版)》期刊2017年01期)

王国超[2](2016)在《基于人体轮廓和腿部特征的步态识别方法》一文中研究指出随着计算机视觉、模式识别等技术的不断进步以及人们对自身安全的重视,视频监控系统的应用得到了快速发展,其中利用计算机视觉的图像及视频中人体行走的步态进行身份识别是重要的研究内容之一。步态识别作为一种生物识别方法,它主要根据人体行走的姿态来达到身份识别的目的,该方法具有远距离、非接触性特点,且可以在不干扰他人状态下进行,因此,步态识别成为当前生物识别领域的研究热点,并且吸引了很多研究人员的广泛关注。然而,由于步态认知尚处于一个初级阶段,再加上客观环境与人的运动的复杂性,使得人的步态识别变得较为困难,所以,在步态识别中还有许多问题需要解决,例如步态特征提取,提高步态识别率和识别速度等问题。针对以上情况,本文基于人体轮廓和腿部特征对步态识别进行了研究,主要完成了以下工作:(1)分析研究LDA及其扩展方法,提出了变形PCA与RLDA相结合的特征提取方法vPCA+RLDA。通过选取训练样本的总体散布矩阵的正特征值对应的特征向量,以此组成一个维数较低的变换空间。在此空间中,为了调整特征值方差与偏差过大对识别率造成影响以及克服小样本问题,对每类样本的协方差矩阵增加一个正则项,从而构成新的准则函数,通过求解该优化问题,并选择部分特征向量组成特征矩阵。(2)针对步态识别易受背包、穿外衣等外界因素干扰,结合腿部轮廓区域,提出了一种基于腿部轮廓区域与整体特征相结合的步态识别算法。使用vPCA和RLDA方法对步态能量图像(GEI)以及腿部轮廓区域(RBL)图像分别进行降维和特征提取,将提取的两部分特征结合在一起共同表示一个行人的步态特征。(3)针对步态识别整体运行时间较长的问题,结合两类问题的迭代模糊孪生支持向量机方法对步态识别进行了研究。针对步态识别多类问题,采用逐对分类的方式,将其转换为多个两类的迭代模糊孪生支持向量机,并将分类结果通过投票方式确定步态所属类别。(4)通过选取中科院的步态数据库CASIA A、CASIA B和CASIA C以及识别率和运行时间两种评价标准,并结合四种分类方法,即NN分类器、支持向量机分类器、k近邻分类器和迭代模糊孪生支持向量机,对提出的步态特征提取方法进行了实验研究,验证了提出的特征提取方法的有效性。(本文来源于《河北大学》期刊2016-05-01)

石磊,王刚,孙凯明,甄海涛[3](2016)在《人体轮廓测量中圆形标志点识别方法》一文中研究指出采用高反光率定向反光标志在单色光照明下形成高对比度图像,反射光透过窄带滤光片去除了环境杂光的影响,CMOS图像传感器成像与FPGA技术结合对图像进行预处理和识别,可准确的识别定向反光标志,此方法在实际应用中达到了预期的效果。(本文来源于《自动化技术与应用》期刊2016年02期)

张飞[4](2015)在《基于人体轮廓特征的步态识别技术研究》一文中研究指出步态识别作为一种新兴的生物特征识别技术,近年来得到了研究人员广泛的关注,由于它具有远距离识别,需要的图像分辨率较低,不需要配合以及无侵犯性等优点,因此是很多情况下唯一的身份识别手段。但步态识别容易受到各种因素的影响,还处于理论研究阶段。本文从基于轮廓特征的步态识别技术研究入手,重点研究了预处理技术对步态识别的影响,本文的主要工作和创新点包括:(1)针对现有的盲运动去模糊算法对具有饱和区域的夜间图像不太有效这个问题,本文提出了一种具有梯度先验和L0强度先验的算法,该算法不仅对白天图像有效,而且对具有饱和区域的夜间图像也有效。(2)从现有的全身对齐和上半身对齐方式容易受到各种因素的影响,导致gallery和probe的轮廓不能对齐,从而导致步态识别的准确率急剧降低这个问题出发,提出了基于头部对齐的步态识别,在公共的数据集CASIA B、CASIA C和OU-ISIR Treadmill B上的实验表明,提出的基于头部对齐方式的步态识别能够极大的提高识别的准确率,特别是在背包和大衣影响的情况下。此外,针对无论哪种对齐方式总会受到各种因素的影响,从而或多或少都会有误对齐发生这个问题,提出了一种基于模板融合的解决方案。实验表明,基于头部对齐加上模板融合的方案能够大大提高现有的算法的准确率,在CASIA B数据集上的识别率比现有的最好的算法提高了15.24%。(3)最后,针对现有算法都是在严格控制各种因素影响的数据库上进行评估的,不能真实反映其在真实应用场景中的识别性能这个问题,构建了一个真实环境下的无约束数据库,并在这个数据库上评估了现有的基于GEI、GEnI和GFI叁种特征的步态识别算法的性能。(本文来源于《国防科学技术大学》期刊2015-11-01)

丁路[5](2015)在《基于深度图像的人体轮廓识别技术》一文中研究指出人体运动的视觉分析是近几年来的热点话题,在机器视觉领域中备受关注。它在人机交互,视频会议,医疗诊断,游戏动画,虚拟现实,以及社区,超市,银行,图像存储的安全监控等领域具有广阔的应用前景和潜在的经济价值,引起了研究人员和相关企业的极大兴趣。人体轮廓识别作为人体运动视觉分析的重要组成部分,识别的准确性将直接影响到人体运动视觉分析的成功与否,因此具有重要的理论价值和广泛的应用范围。传统的人体轮廓识别技术主要基于可见光相机拍摄的RGB彩色图像,鲁棒性不高。其主要原因是易受光照变化,复杂环境和物体遮挡等因素的影响。本文主要研究在复杂动态背景下多个人体目标轮廓的快速识别技术。该方法可以作为人体姿态检测跟踪,行为识别等研究的初步工作,其研究具有较好的理论意义和工程应用价值。本文也在最后将人体轮廓的二维坐标信息转化成空间叁维信息,为人体行为识别相关研究提供进一步的支持。试验表明,在实验室等复杂环境中本方法能较好的对人体目标轮廓实时识别,且不受灯光等因素的影响。论文的主要研究如下:(1)研究了基于快速行进的FMM修复算法以及腐蚀,膨胀等常用的图像处理算法,对深度图进行修复操作。根据深度图中像素大小与人体和摄像头距离正相关的固有特征,将图片根据深度值范围进行分割并进行轮廓检测,得到不同深度的轮廓集,完成对不同大小模板匹配的预处理工作。(2)研究了模板匹配的相关技术,将轮廓的均方距离和Hu矩特征匹配技术结合对人体头部轮廓模板与实时获取的轮廓集进行匹配筛选,实现人体轮廓定位。(3)研究了粗粒度并行遗传算法。将轮廓的相似度转化成遗传算法中的适应度函数,初始化若干个种群,通过自然界种群进化的思想加快搜索轮廓匹配的进程,提高人体轮廓定位的实时性。(4)研究了基于点云的人体叁维重建技术,建立了kinect坐标系以及图像坐标系之间转换模型,将人体轮廓的二维坐标信息转化为叁维空间坐标,使用Delaunay叁角剖分算法将点云叁角化,实现人体姿态的叁维重建,并且通过坐标运算可以实现人体部位的位移,速度的相关检测,为人体行为识别相关研究提供进一步的支持。(本文来源于《东南大学》期刊2015-05-01)

蔡加欣,冯国灿,汤鑫,罗志宏[6](2014)在《基于局部轮廓和随机森林的人体行为识别》一文中研究指出基于视频信息的人体行为识别得到了越来越多的关注。针对人体行为的局部表达,提出了一种新的局部轮廓特征来描述人体的外观姿势,可以同时利用水平和竖直方向上的轮廓变化信息。该特征能有效区分不同动作,与轮廓起始点无关,具有平移、尺度和旋转不变性。针对该特征,提出了一种基于随机森林的两阶段分类方法,使用随机森林分类器对行为视频的局部轮廓进行初分类,并根据每个局部轮廓对应决策类的分类树数目占总分类树数目的比例,提出了一种基于袋外(OOB)数据误差加权投票准则的行为视频分类算法。在测试数据集上的实验结果证实了该方法的有效性。(本文来源于《光学学报》期刊2014年10期)

李枫[7](2014)在《基于动作轮廓特征的人体动作识别》一文中研究指出提出了一种人工挑选关键帧的人体动作识别方法.先从标准视频中提取出能代表姿势的关键动作,然后对待测视频中每一帧图像中人体动作和关键动作比较分类来确定动作时间的相关度和相似度.实验结果表明人工挑选关键帧具有数量少和动作代表性强的特性,基于动作轮廓特征的人体动作识别方法在识别速度上比传统的方法快,识别率也较高.(本文来源于《兰州工业学院学报》期刊2014年03期)

杨亚洲[8](2013)在《基于人体轮廓特征的步态识别技术研究》一文中研究指出近年来,随着恐怖袭击事件的频繁发生,人们清晰地认识到身份识别技术在国防和公共安全领域的异常重要性。众多生物特征,如人脸、指纹、步态等已经被广泛地应用到个人身份识别和鉴定等领域。与其他生物特征相比,步态特征具有易采集性、非强迫性和不易模仿性,这使它成为唯一适合较远距离进行身份鉴别的生物特征。因此,步态身份识别技术成为学术界和工业界研究的热点。步态身份识别的研究对于促进国内智能监控系统的发展,维护社会稳定和增强社会安全具有非常重要的意义。本文分别从静态和动态的人体轮廓特征出发,提出了叁种不同的步态特征,并将这些步态特征应用到步态身份识别的研究中,从而提高步态识别的准确率。论文的主要工作在于:(1)提出了两种新的步态周期估计算法。这两种周期估计算法分别从垂直方向和水平方向出发,通过捕捉人体四肢在行走过程中的摆动规律来估计步态周期。实验表明,这两种新的周期估计算法都能够较好地划分步态周期。同时,本文提出了一种新的评价标准来定量地分析步态周期估计算法的准确性,利用人为标定的步态周期信息来评价周期估计算法的准确程度。研究表明,本文提出的基于水平统计的周期估计算法达到最好的准确性。(2)提出了叁种新的步态特征。从人体轮廓特征出发,根据密集采样提取特征思想,提出了基于帧差梯度直方图的FHOG步态特征、基于光流直方图的GHOF步态特征和基于运动边界直方图的MBH步态特征。FHOG步态特征是在步态轮廓帧差图像的基础上提取的梯度直方图特征,描述的是人体轮廓的静态特征;GHOF和MBH都是在计算步态轮廓图像光流场的基础上提取的两种不同的直方图特征,描述的是人体轮廓的动态特征。实验证明,本文提出的这叁种步态特征都能够取得很好的识别效果。同时,提出了新的虚拟步态模板构造方法,利用虚拟模板增加步态特征的样本数,其中虚拟模板的分类准确率甚至超过了真实步态模板。(3)对步态特征分类识别时,采用新的降维方法来增加步态特征的判别能力。本文将传统的主成分分析、线性判别分析和非负矩阵分解结合起来用于对高维步态特征进行降维处理,取得了更为显着的判别效果。同时,采用信息融合的方法提高步态识别率,提出了基于加法规则的不同步态特征融合方法,这种融合方法能够提高步态身份识别的整体识别率。实验表明,本文提出的综合步态特征分类识别方法在USF数据库上能够取得67%的识别率。(本文来源于《国防科学技术大学》期刊2013-11-01)

杨云,岳柱[9](2013)在《基于融合图像轮廓矩和Harris角点方法的遮挡人体目标识别研究》一文中研究指出针对遮挡人体目标识别中人体特征描述容易受到遮挡物影响,但人体的头肩部分不易受到遮挡的特点,提出了一种基于人体头肩部位混合轮廓特征的遮挡人体目标识别的新方法。首先利用背景差分法把人体从复杂的背景中分离出来,接着利用人体的先验知识提取出头肩部位,然后提取出头肩部位轮廓的矩不变量和Harris角点特征,然后将2种特征融合构成混合特征,最后将新特征输入BP神经网络进行识别。实验表明:此方法具有较好的鲁棒性和较高的识别率。(本文来源于《液晶与显示》期刊2013年02期)

赵海勇,贾保先[10](2013)在《基于轮廓特征的人体行为识别》一文中研究指出提出了一种以人的动作序列图像的轮廓为特征、基于隐条件随机场的行为识别方法。首先,利用背景差分法和阴影消除技术提取运动人体轮廓。星型骨架方法只采用单一质心-边界距离来描述人体轮廓,因此对轮廓的局部特征描述能力较弱。定义一种新的基于距离组的轮廓描述方法,它将时变的2D轮廓形状转换为对应的1D距离向量。最后利用判别隐条件随机场对行为进行训练和识别。实验结果表明,本方法的正确识别率达到91.4%以上,识别结果较为理想。(本文来源于《计算机科学》期刊2013年02期)

人体轮廓识别论文开题报告

(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:

随着计算机视觉、模式识别等技术的不断进步以及人们对自身安全的重视,视频监控系统的应用得到了快速发展,其中利用计算机视觉的图像及视频中人体行走的步态进行身份识别是重要的研究内容之一。步态识别作为一种生物识别方法,它主要根据人体行走的姿态来达到身份识别的目的,该方法具有远距离、非接触性特点,且可以在不干扰他人状态下进行,因此,步态识别成为当前生物识别领域的研究热点,并且吸引了很多研究人员的广泛关注。然而,由于步态认知尚处于一个初级阶段,再加上客观环境与人的运动的复杂性,使得人的步态识别变得较为困难,所以,在步态识别中还有许多问题需要解决,例如步态特征提取,提高步态识别率和识别速度等问题。针对以上情况,本文基于人体轮廓和腿部特征对步态识别进行了研究,主要完成了以下工作:(1)分析研究LDA及其扩展方法,提出了变形PCA与RLDA相结合的特征提取方法vPCA+RLDA。通过选取训练样本的总体散布矩阵的正特征值对应的特征向量,以此组成一个维数较低的变换空间。在此空间中,为了调整特征值方差与偏差过大对识别率造成影响以及克服小样本问题,对每类样本的协方差矩阵增加一个正则项,从而构成新的准则函数,通过求解该优化问题,并选择部分特征向量组成特征矩阵。(2)针对步态识别易受背包、穿外衣等外界因素干扰,结合腿部轮廓区域,提出了一种基于腿部轮廓区域与整体特征相结合的步态识别算法。使用vPCA和RLDA方法对步态能量图像(GEI)以及腿部轮廓区域(RBL)图像分别进行降维和特征提取,将提取的两部分特征结合在一起共同表示一个行人的步态特征。(3)针对步态识别整体运行时间较长的问题,结合两类问题的迭代模糊孪生支持向量机方法对步态识别进行了研究。针对步态识别多类问题,采用逐对分类的方式,将其转换为多个两类的迭代模糊孪生支持向量机,并将分类结果通过投票方式确定步态所属类别。(4)通过选取中科院的步态数据库CASIA A、CASIA B和CASIA C以及识别率和运行时间两种评价标准,并结合四种分类方法,即NN分类器、支持向量机分类器、k近邻分类器和迭代模糊孪生支持向量机,对提出的步态特征提取方法进行了实验研究,验证了提出的特征提取方法的有效性。

(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。

人体轮廓识别论文参考文献

[1].王刘涛,廖梦怡,王建玺,马飞.基于关键帧轮廓特征提取的人体动作识别方法[J].重庆邮电大学学报(自然科学版).2017

[2].王国超.基于人体轮廓和腿部特征的步态识别方法[D].河北大学.2016

[3].石磊,王刚,孙凯明,甄海涛.人体轮廓测量中圆形标志点识别方法[J].自动化技术与应用.2016

[4].张飞.基于人体轮廓特征的步态识别技术研究[D].国防科学技术大学.2015

[5].丁路.基于深度图像的人体轮廓识别技术[D].东南大学.2015

[6].蔡加欣,冯国灿,汤鑫,罗志宏.基于局部轮廓和随机森林的人体行为识别[J].光学学报.2014

[7].李枫.基于动作轮廓特征的人体动作识别[J].兰州工业学院学报.2014

[8].杨亚洲.基于人体轮廓特征的步态识别技术研究[D].国防科学技术大学.2013

[9].杨云,岳柱.基于融合图像轮廓矩和Harris角点方法的遮挡人体目标识别研究[J].液晶与显示.2013

[10].赵海勇,贾保先.基于轮廓特征的人体行为识别[J].计算机科学.2013

标签:;  ;  ;  ;  

人体轮廓识别论文-王刘涛,廖梦怡,王建玺,马飞
下载Doc文档

猜你喜欢