基于监控视频的人体动态特征应用识别技术研究

应用法医人类学、数字图像处理、模式识别、人工智能等技术原理,基于人体动态的个人性特征分析,利用计算机视觉技术,从面目不清的监控视频序列图像中检测、识别、跟踪个体动态特征,从而研究建立一套适合中国人生理运动特征的人体动态行为模式识别的检验指标体系和检验识别方法,解决监控录像中的犯罪嫌疑人蒙面和图像不清的个体识别技术难题,直接为刑侦破案及法庭审判提供身份识别的科学证据。

基于人体动态特征的三维服装虚拟试穿技术

针对人体个性化姿态的动态感知以及服装模型对人体姿态动作的跟踪匹配精度低的问题,提出了一种基于人体动态特征的三维服装骨骼点分层模型,区分躯干(整体)与四肢(局部)的运动特征,并融合了基于Kinect体感设备的人体围度数据;设计了整体-局部分解算法,分层控制三维服装骨骼模型对人体姿态动作的高精度跟踪。经真人虚拟试穿的测试结果表明:新方法的相对跟踪误差降低约10%,明显改善了虚拟服装对人体姿态的实时跟踪精度,提高了服装模型与真人体型的匹配精度,支持裙子、裤子、上衣等服装类型的复杂姿态(抬腿、弓步等)试穿场景。

一种基于骨架算法的人体动态特征曲线提取算法

实现一种人体动态特征曲线提取算法,以达到视频中人体运动目标动态特征自动提取的目的。算法使用一种背景自适应算法实现了视频背景的自适应更新,通过背景帧差法实现了前景提取,进一步利用一种目标定位算法实现了运动目标的实时定位,最后通过将传统的几种骨架提取方法运用到目标骨架化操作上,并比较了各种方法在目标骨架提取上的效果,最终发现Zhang等人提到的Zhang-suen骨架提取算法运用在人体动态特征曲线提取上具有较好的效果。该算法的研究在以人体动态特征为突破点的视频侦查中具有重要意义。

基于人体姿态动态特征的跌倒行为识别方法

意外跌倒严重威胁老年人健康安全,准确识别跌倒事件并及时予以报警可以有效降低跌倒者所受伤害.本文提出了一种新的跌倒识别方法,基于OpenPose深度卷积网络自图像提取的人体姿态关键点获取人体倾斜姿态动态特征,使用基于线性核的支持向量机完成跌倒行为二分类,并以基于人体下降姿态动态特征的阈值判断排除混淆性较大的非跌倒行为,保证算法召回率.本方法在人体动作数据集上测试取得了97.33%的准确率与94.80%的精确率,与现有基于图像的跌倒识别方法相比具有更优的性能,常见的单目RGB摄像机的特性使得本方法在普及性上优于需要Kinect相机的现有跌倒识别方法.

神经心理量表理解力检测的人体姿态特征识别方法

神经心理测试可以对各认知域受损严重程度做出客观评价,是检测疾病进展、评估药物疗效的有效手段。其中理解力测试部分通过判断受试者是否根据指令要求作出相应动作实现,是老年人认知功能障碍评估的重要部分,有利于痴呆的早预防早干预。文章提出了一套神经心理测试中理解力检测的人体姿态估计视频分析方法,基于Openpose深度卷积网络提取人体关键点坐标,随后基于图像形态学处理技术和Faster R-CNN等技术提出了纸张、牙刷等目标物体关键点二维坐标提取方法,并以量表中动作要求建立人体姿态估计数学模型。通过实验对神经心理测试的6个动作进行识别,结果表明,所提姿态估计数学模型和交互动作识别方法能够有效检测人体姿态动作指令及人与纸张的交互指令。