青年男性颈肩部轮廓量化分析与形态匹配

以190名青年男大学生为研究对象,通过照片测量法、三维人体扫描法获取人体正侧面照片及三维点云数据。基于三维点云数据,提取颈肩部轮廓曲线进行椭圆傅立叶拟合得到椭圆系数,经主成分分析和聚类分析,将青年男性颈肩部正侧面形态各分为3类。采用角度半径和欧几里得距离实现二维照片与三维点云数据之间的匹配,并验证匹配准确率。结果显示:颈肩部正面轮廓匹配验证准确率达92.5%,侧面轮廓匹配验证准确率达95.0%。该研究为基于人体照片的人体形态研究提供了理论依据。

基于STGCN算法的视频图像人体动作轮廓动态识别

人体动作轮廓在视频中的呈现具有多样性和连续性。人体动作不仅涉及到时间上的变化,还包括空间上的位置关系,受其姿势、速度、方向等影响。人体动作时空信息之间的关联难以充分捕捉,导致动作轮廓识别精度较低。为此,引入时空图卷积网络(STGCN)算法,提出一种视频图像人体动作轮廓动态识别方法。文中采用OpenPose模型从视频图像中提取描述关节点位置的置信图和描述人体关节间连接情况的二维矢量场,构建人体动作骨架图。结合视频帧时间序列组建人体动作骨架时空图,将其作为STGCN模型的输入,通过时空图卷积操作充分捕捉人体动作的时空特征后,采用Softmax层获取动态识别到的视频图像人体动作轮廓;并在STGCN模型中引入两种注意力模块,强化网络特征提取能力,提高动作轮廓识别精度。实验结果表明,所提方法可以有效实现视频图像人体动作轮廓的动态识别,引入的两种注意力模块对STGCN模型进行改进,可提升其动作轮廓识别效果。

基于角度半径的青年男子躯干部形态相似性匹配

为实现基于三维人体点云的人体形态相似性匹配,文章提出了利用角度半径进行青年男体躯干部轮廓形态描述的方法。先以187名18~25周岁的青年男大学生为研究对象,使用三维扫描法获取其三维点云数据。再通过逆向工程软件识别人体躯干部特征点,截取其正侧面躯干轮廓形态。然后分别建立正侧面躯干部坐标系,提取27个正面角度半径值和60个侧面角度半径值形成三维点云躯干形态数据库。选取14名被试者进行验证,提取的正、侧面角度半径为样本,采用均方根误差法与点云截面数据库进行匹配,并使用OpenCV框架中的MatchSharp法验证匹配结果。结果显示,13名被试者的躯干部正侧面轮廓形态与三维点云轮廓形态匹配成功,准确率达92.86%。研究结果可为三维点云形态相似性分析提供一定的理论基础。

基于条件GAN的人体复杂动作轮廓智能捕捉研究

为了精确捕捉人体在各种复杂动作中的姿态变化,并减少动作轮廓捕捉的误判和漏判情况,研究一种基于条件GAN的人体复杂动作轮廓智能捕捉方法。构建人体复杂动作图像前景模型,利用该前景模型去除人体复杂动作图像内的干扰背景,获得其前景图像。将人体复杂动作前景图像输入到条件GAN模型内,该模型使用生成器,依据叠加条件提取人体复杂动作前景图像特征,并生成人体复杂动作轮廓图像,将该轮廓图像输入到判别器内,判别器对生成器生成的人体复杂动作轮廓图像进行判别,输出其判别值;同时,生成器依据该判别值对人体复杂动作轮廓图像进行调整和优化。生成器和判别器不断对抗,当条件GAN模型的损失函数达到最小时,生成器输出最终人体复杂动作轮廓图像,实现人体复杂动作轮廓智能捕捉。实验结果表明,所提方法可有效捕捉人体复杂动作轮廓,且智能捕捉的人体复杂动作轮廓周长与其实际轮廓周长差异较小。

基于关键点运动轨迹建模的步态识别

步态信息作为一个新兴的生物特征,在医疗、刑侦等方面具有广泛的应用前景.研究者已经提出了很多种步态识别方法,但普遍存在适应性不强、特征描述过于复杂或缺乏可解释性等问题.针对此问题,首先,通过改进三帧差分完成对视频图像中人体轮廓的提取;然后,基于人体轮廓图获取人体骨架模型,通过骨架模型得到所需的人体关键点位置,并对视频图像中同一关键点的位置轨迹进行曲线建模;最后依据关键点轨迹曲线模型建立一种以模型参数作为步态特征向量的步态特征描述方法,并在此基础上选取合适的分类方法进行步态识别.实验结果表明,基于关键点运动轨迹模型的步态特征表达能够很好地描述步态信息,识别率也相对较高.

基于DT‒SVM优化算法的人体姿态特征提取与识别研究

为确定人体运动行为在空间环境中的表现情况,实现对姿态特征的准确定义,针对基于DT‒SVM优化算法的人体姿态特征提取与识别方法展开研究.利用DT‒SVM优化算法,推荐必要的姿态特征节点,确定人体运动行为所处空间平面.实施对姿态特征的梯度化处理,根据获取到的轮廓节点,计算夹角向量的具体数值,从而求解姿态特征提取与识别的数学表达式,完成基于DT‒SVM优化算法的人体姿态特征提取与识别方法的设计.实验结果表明,上述方法的应用,可同时在X轴、Y轴、Z轴三个方向上,控制人体运动行为,使其偏向角数值均不超过12°,符合精准定义人体姿态特征的实际应用需求.

基于HSV颜色空间的人体轮廓提取方法研究

目前已有人体轮廓提取系统大多先将彩色图像转换为灰度图像,然后经过人工修图,从灰度图像中提取人体轮廓.在此过程中,大量图像信息丢失,且这些系统普遍存在对背景、着装、像素和光线要求严格等问题.为了解决这些问题,本工作采用符合人类视觉习惯的HSV颜色空间,利用MATLAB软件编写程序,通过分析和转换图像的H、S、V值从彩色图像上直接提取人体轮廓,从而实现人体轮廓提取的准确化和自动化.试验结果表明,利用HSV颜色空间可降低对背景、着装、像素和光线等因素的要求,实现复杂情况下人体轮廓的准确提取.

汉语耳语音库的建立与听觉实验研究

耳语音的识别和转换是个全新的课题,可应用于公共场合下的通讯和公安司法工作的某些特殊需要等方面.首先建立了一个包含1172个字和98个近音词的单人女声的汉语耳语音库.通过对两个听觉测试实验数据的统计分析,研究了人耳对汉语耳语音字和近音词声调的辨认率特征,得出人耳对孤立字四个声调的辨认率由高到低的排序为三声>四声>二声>一声.同时也得出人耳对词声调的辨认能力比字要强得多.幅值包络和音长这两个特征参量能够反映出汉语耳语音声调的特性,基于此参数对汉语耳语音字进行声调识别实验,其声调识别率已达到了人耳的平均辨认率,为连续耳语音声调识别研究打下了基础.

一种新的基于轮廓特征的指尖及手指指向检测方法

传统基于K-Curvature以及凸包理论的指尖识别算法往往存在严重漏检问题.针对此问题,提出一种新的基于手指轮廓特征的指尖及手指指向检测方法,关键步骤包括轮廓平滑、直线区域检测、手指指向及指尖定位三部分,可实现精确快速的指尖识别过程.通过对不同姿态手势进行实验验证,所提算法能在准确定位指尖位置的同时,得到手指指向信息.满足人机交互系统对指尖点及手指指向获取的实时性要求,并对不同手指指向具有较强的自适应性.

服装CAD中三维人体模型的参数化研究

针对三角网格曲面表示的 3D人体模型缺少语义信息 ,提出一种 3D人体模型的参数化方法 :首先通过三角面片求交的采样策略得到采样点 ,然后使用B样条曲线构造人体轮廓线 ,最后由用户交互得到 3D人体模型的参数化信息 ,建立 3D人体模型的参数化模板 这样 ,在参数化人体模型模板的基础上 ,可以根据用户所输入的特定人体参数信息 ,动态地调整轮廓线和重建人体模型体表曲面 ,快速生成逼真的 3D人体模型 。

人眼视觉感知模型指导的有理函数图像插值

基于有理函数模型提出了一种新的自适应图像插值算法.此类有理函数具有简单显性数学表达式,且含有可调参数.当两个参数都等于1时,有理函数变为双三次插值函数.基于有理函数构造图像插值曲面,原始图像通过等值线分析自适应地分解为平滑和边缘两部分.其中自适应阈值根据有理函数构造原理来确定,思路是将人眼视觉感知与图像结构相融合,对于像素结构简单视觉关注度低的平滑区域,采用双三次插值.对于像素结构复杂视觉关注度高的边缘区域,采用有理插值处理,参数由人眼对比敏感特性来确定.实验表明,该算法细节信息保持优于当前经典的图像插值算法,具有较好的视觉效果.

以头部为基准的人体轮廓模型

为了提高以人体轮廓为主要特征对人体行为进行识别时的性能,提出一种以头部为基准的人体轮廓模型.采用无需重新初始化的level set方法提取视频序列图像中的人体轮廓,将人体轮廓纵横比最小的帧确定为关键帧.根据欧式距离局部极大原则确定关键帧中轮廓上的人体端点(头、手、脚等),通过肤色模型确定头部位置并作为轮廓标记的基准点,建立以头部为基准的人体轮廓模型.基于该模型提取特征,采用支持向量机(SVM)对人体行为进行识别.以WEIZMANN数据库为对象的行为识别实验结果验证了该模型和行为识别方法的有效性.

基于手眼协调机器人的共享控制遥操作系统

提出了一种基于机器人手眼协调的共享控制遥操作系统框架。基于双目视差和主动轮廓构建机器人自主手眼协调系统,并将这种手眼协调机器人作为遥机器人构成一个半自主、共享式的遥操作系统。为了将人和机器人的各自的长处充分的融合到系统中,开发了相应的自然图像用户界面和遥自主命令程序模块用于人和自主机器人之间的交互。实验表明提出的这种基于手眼协调的共享控制遥操作系统具有高操作效率和对操作者友好等优点。

基于肤色和轮廓信息的人脸检测

针对彩色图像提出了一种基于肤色模型、脸部轮廓信息以及眼睛特征的人脸检测算法。采用基于YCbCr色彩空间的肤色分割模型,初步筛选人脸的候选区域;然后进行边缘检测,获得人脸轮廓信息,并利用三点定圆法来拟合脸部的圆形;最后在圆形区域的水平方向根据眼睛的几何特征来检测"眼睛对",再根据"三停五眼"来定位人脸,并利用左右对称性验证人脸。实验表明,该算法对于彩色图像的正面人脸检测具有良好的效果。

基于深度图序列和时空占用模式的人类行为识别研究

针对人类行为识别问题,提出一种基于深度图序列和时空占用模式的行为识别方法。首先,使用深度图序列将空间和时间轴分为多个部分,从而定义一个4D网格;然后,将网格中的每个单元与占用值相关联,利用高维特征向量的所有单元占用值组成时空占用模式。最后,利用基于正交级别学习的主成分分析降维获得低维特征向量,并完成最终的行为识别。在公共3D行为数据集MSR上的实验结果表明,提出的离线识别方法比现有方法所获得的识别准确度较高。

基于广义交叉截面的实时虚拟人皮肤变形方法

皮肤变形是虚拟人合成研究领域的重要研究方向之一。交叉截面皮肤变形方法由于具有较好的实时性和逼真性在实时虚拟人应用环境中被广泛采用。但是这种方法要求虚拟人皮肤网格按照规则的交叉截面轮廓的方式组织,难以表达更丰富和精细的皮肤变形特征。基于此,本文提出了基于广义交叉截面的皮肤变形方法。该方法既具有速度快、操作简单、占用存储空间小的优点,同时又克服了交叉截面方法在皮肤网格组织方式方面的局限性,可以驱动任意皮肤网格组织方式的虚拟人表面模型,获得非常逼真的皮肤变形效果。

由人面照片重建人面三维模型的探讨

１引言人面的计算机辅助三维造型有着广泛的应用前景．现有方法主要采用三角面片或自由曲面建立人面的三维几何模型，进而控制该模型的形状与表情［１，２］．也有人采用图象变形的方法，但其三维效果有限［３］．现有方法易于进行表情控制和基于物理的仿真．但由于需要采...

基于水平集的热红外运动人体目标分割算法(英文)

水平集活动轮廓模型是一种优秀的图像分割方法.针对红外人体检测系统中的图像分割难题,提出了一种基于水平集活动轮廓模型的新算法.该算法包含水平集运动检测模块、水平集亮度检测模块和融合模块.水平集运动检测模块融合了水平集和背景相减技术,通过演化水平集函数同时实现前景分割和背景估计,它用于检测序列中的运动区域,并将其演化结果输入到下一检测模块.水平集亮度检测模块融合了水平集和阈值分割技术.在给出双阈值时,可分割出亮度在双阈值所限定范围内图像区域,它用于检测序列图像序列中可能包含人体目标的全部区域.利用形态学开重建技术,融合模块在融合前两个模块检测结果后输出算法最终分割结果.此外,采用快速数值算法演化水平集检测模块以及优化设置整个算法流程,改善算法运行效率.实验结果表明,相对其他典型算法,该算法具有较高分割精度和运行效率,且对时序亮度变化和镜头运动鲁棒性更好.

基于关键帧轮廓特征提取的人体动作识别方法

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。

关节点处增加截面的三维虚拟人皮肤变形方法

实时逼真的三维虚拟人的皮肤变形技术是计算机动画的重要研究方向之一。基于切面轮廓线进行操作的交叉截面皮肤变形方法由于速度快及良好的连续性被广泛地使用。但在自由度变化大的关节处难以表达细微的皮肤结构。基于此,在自由度变化较大的关节处通过增加截面的方法进行补偿来表现细微的皮肤变形,取得了预期的效果。该方法解决了关节处皮肤变形的失真效果,并且没有降低实时性,获得了理想的皮肤变形效果。