非刚性人体运动动作图像姿态轮廓提取算法

针对人体运动动作图像提取传统方法仅能获取局部最佳解,提取的特征序列不连续,导致轮廓提取效果差的问题,提出一种非刚性人体运动动作图像姿态轮廓提取算法.首先,对人体运动动作图像序列中的尺度不变特征变换(SIFT)进行提取预处理,获取人体特征提取图,设计一种人体运动序列顺序概率图模型,以保证特征序列提取的连续性;其次,构建人体肢体外观模型,基于该外观模型采用序列影像高精度轮廓提取算法提取当前人体运动动作帧的轮廓线.实验结果表明,该算法能提取连续的特征序列,提取的人体姿态轮廓精确度较高,且具有较高的效率和鲁棒性.

连续性健美操动作图像视觉误差校正方法分析

为了解决传统方法校正后图像容易出现模糊或锯齿效应,视觉误差校正效果不好的问题,研究了一种新的连续性健美操动作图像视觉误差校正方法。通过JAI相机(丹麦)逐行扫描电荷耦合器件(CCD)相机转换成视频信号,得到的信号通过图像采集卡采集,转化成PC机可处理的数字信号,通过全息投影获取连续性健美操动作图像。按照视觉误差完成对图像像素集视差函数的配准,通过向量量化技术实现对图像的亚像素级模板匹配,对经处理的连续性健美操动作图像进行分形编码处理,为视觉误差校正提供依据。对连续性健美操动作图像进行编码和解码处理,求出和原始图像间的误差,获取误差图像,对其进行插值处理,获取误差补偿结果,实现连续性健美操动作图像视觉误差校正。结果表明:经所提方法处理后的图像无显著的视觉误差,峰值信噪比和结构相似性很高。可见所提方法主观和客观评价结果好。

运动动作图像正确姿态轮廓提取方法对比研究

由于目标轮廓提取方法一直存在正确姿态轮廓提取不准确的问题,提出两种新的运动动作图像正确姿态轮廓提取对比方法。通过相邻帧差法对运动动作图像正确姿态区域进行提取,在此基础上介绍了snake模型方法,其将运动动作图像正确姿态轮廓的提取问题转换成求解能量函数的极小化问题。分析了水平集方法,将演化曲线隐性地描述成运动动作图像上的三维连续函数曲面的零水平集,当水平集函数为0时,得到的结果即为轮廓提取结果。通过实验对比所提两种方法的有效性,发现snake模型方法的轮廓提取效果、完成性和信息丢失程度虽然优于其他方法,但劣于水平集方法。

健美操动作图像视觉误差校正方法研究

为了满足健美操动作图像的识别和使用需求,本文通过设定灰度共生矩阵提取丰富边缘区域,依据局部区域模糊核复原模糊动作图像,根据插值法获得补偿结果。为检验视觉误差校正方法的效果,对健美操动作图像进行视觉误差校正实验。结果表明,校正效果显著,具有一定的实用性。

乒乓球正手拉球动作图像正确姿势轮廓提取方法

由于图像重合度较差造成提取结果精度较低的问题,设计乒乓球运动员正手拉球动作图像正确姿势轮廓提取方法。采用视觉系统完成其正确姿势图像的获取,设定方向向量提升获取结果的有效性,使用卷积神经网络对获取到的图像进行处理,提高图像的重合度。使用边缘图像轮廓提取算法对处理后的图像进行轮廓提取,完成乒乓球运动员正手拉球动作图像正确姿势轮廓提取。实验结果表明,所提方法图像重合度高于三种传统方法,重合率区间相对较小,提取精度更高。说明所提方法的图像轮廓提取效果较好。

基于光纹特征的体操动作模糊图像恢复方法研究

为了提高体操动作指导的有效性,结合图像处理方法进行体操运动图像特征分析,提出基于光纹特征的体操动作模糊图像恢复方法。建立体操动作模糊图像的边缘轮廓特征检测模型,结合光学特征分析方法进行体操动作模糊图像的关键动作特征点提取,处理体操动作模糊图像的滤波,得到体操动作模糊图像的自带像素特征点。对体操动作模糊图像进行增强处理,通过点跟踪识别方法进行体操动作模糊图像的显著对比度增强,提取体操动作模糊图像的光纹特征,实现体操动作模糊图像自动恢复和优化识别。仿真结果表明,采用该方法进行体操动作模糊图像恢复的输出峰值信噪比较高,图像的识别能力较好,识别精度都在0.8左右,识别时间在80 s以内,提高了体操动作模糊图像的检测和识别能力。

基于双特征融合与自适应提升机制的图像动作识别算法

针对复杂环境中动作识别易受到光照变化、目标旋转,遮挡等导致目标位置不精确,目标漂移以及识别错误等问题,提出了一种基于双特征融合与自适应提升的动作识别算法。首先,基于时空上下文(spatio-temporal context,STC)机制,通过时空上下文关系与视觉系统特性来提取图像序列特征,降低光照变化、遮挡对行为动作的影响;同时,利用卷积神经网络(convolution neural network,CNN)来处理图像序列,分别获得STC特征与CNN特征;其次,引入主成分分析算子,定义双特征融合规则,对获得STC特征与CNN特征进行组合,形成一种更准确、完整的特征表示;然后,通过得到的新特征,利用自适应提升算法(adaptive boosting algorithm,ABA)进行分类训练,完成对行为动作决策判断。在Weizmann、Hollywood数据集上测试表明,相对于当前常用的动作识别方法,所提算法对各种行为动作具有更高的识别精度与鲁棒性,更能适应复杂背景和动作变化。所提算法具有较高的人体动作识别精度,在视频监测、人机交互等领域具有一定的应用价值。

3D局部特征耦合回归森林的图像动作识别算法

为提高人体动作的识别与理解能力,设计3D局部特征耦合回归森林学习的动作识别方案。利用Gaussian滤波器从深度图像中提取人体轮廓的空间点,将获得的轮廓点映射到3D直方图中,形成3D局部特征;根据3D局部特征,利用关节点与边缘形成人体的图形模型,获取其结构约束Φ(x_i)和空间约束Φ(x_(ij));引入回归森林(regression forests,RF)定义Φ(x_i)、Φ(x_(ij))的回归系数,利用Gaussian密度函数计算Φ(xi)、Φ(x_(ij))的相互分布关系,对其进行分类学习,完成人体动作识别与理解。实验结果表明,与当前方法相比,所提方法具有更高的动作识别准确率,可有效学习人体结构和定位关节。

基于视频的人机交互中动作在线发现与时域分割

时域分割问题是计算机视觉领域长期存在的问题.尤其在基于视频的人机交互过程中,动作的发现和分割被要求在线完成.对此,文中提出了一种基于模板的识别框架.对于不断产生新数据的在线视频序列,该方法可根据已知的信息,及时在线发现和分割已完成动作.该方法主要过程为:首先,通过基于鞅过程的算法提取关键帧,然后沿着关键帧对前序帧进行回退式遍历,接着通过构建动作历史图像来描述动作信息,最后通过计算相对于模板动作的包含率和七阶不变矩相似度实现动作的最优分割.在IXMAS数据集上进行实验,该方法的平均动作发现率达到了88%,准确率达到了75.9%,在基于深度数据的在线实验中,该方法获得了82%的平均动作发现率.

基于媒介融合出版的视觉设计

媒介是人类文化传播方式演进的标志,不仅体现着科技的进步,也对社会变革具有重要价值。出版作为信息传播的重要途径在媒介发展中与时俱进,尤其是数字技术与互联网的出现,使出版呈现出媒介融合出版的趋势。当前,对媒介融合出版研究的关注点集中于媒介本身及其对出版产业的影响,而忽略了注意力时代视觉设计对媒介融合出版的重要作用。一方面,媒介融合出版中应用的各项技术形式与手段,需要通过视觉设计达成的外在形态来构建;另一方面,媒介融合出版也对视觉设计发展有一定的推动作用,尤其是互联网技术的支持,使得各种出版媒介技术实现无缝衔接,不仅拓宽了出版传媒的领域,也对视觉设计在视觉语言体系、知觉改变、动作图像、统一的形象、互动与被动几个方面提出了不同以往的要求。

基于复杂性度量与多尺度运动编码的图像动作识别算法

人体动作的识别与理解是人机交互、机器人应用的关键技术之一,为了提高人体各种复杂动作的识别精度与鲁棒性,研究了基于复杂性度量与多尺度运动编码的动作识别技术。通过不同长度的滑动窗口对视频序列获取子序列;通过时间序列复杂性来度量人体运动轨迹,设计了一种多尺度的滑动窗口,从而选择出有效子序列;基于有效子序列,引入k-均值聚类分析算法,对人体运动进行编码,获取运动编码直方图;引入条件随机场对动作分类学习,完成动作识别与理解。所提出的算法在人机交互、智能家居、视频监控等领域具有较好的参考价值。

运用“类比迁移”策略学习动作电位的产生及传导图像

运用"类比迁移"策略,结合高中物理学"振动图像与波动图像"的知识,指导学生学习高中生物学"动作电位的产生与传导图像"的新知识。

面部动作单元检测方法进展与挑战

人脸动作编码系统从人脸解剖学的角度定义了一组面部动作单元(action unit,AU),用于精确刻画人脸表情变化。每个面部动作单元描述了一组脸部肌肉运动产生的表观变化,其组合可以表达任意人脸表情。AU检测问题属于多标签分类问题,其挑战在于标注数据不足、头部姿态干扰、个体差异和不同AU的类别不均衡等。为总结近年来AU检测技术的发展,本文系统概述了2016年以来的代表性方法,根据输入数据的模态分为基于静态图像、基于动态视频以及基于其他模态的AU检测方法,并讨论在不同模态数据下为了降低数据依赖问题而引入的弱监督AU检测方法。针对静态图像,进一步介绍基于局部特征学习、AU关系建模、多任务学习以及弱监督学习的AU检测方法。针对动态视频,主要介绍基于时序特征和自监督AU特征学习的AU检测方法。最后,本文对比并总结了各代表性方法的优缺点,并在此基础上总结和讨论了面部AU检测所面临的挑战和未来发展趋势。

具身观看——视觉设计的新媒介变革

当互联网和互动媒介技术广泛应用之后,数字技术开始作为一种独立的视觉媒介在视觉设计当中出现。数字视觉媒介上所呈现的图像不再仅仅是静止的或者运动的图像,而是与动作直接对应起来的动作性图像。观看者对于动作性图像的观看也不再是纯粹的视觉性观看,而是将身体动作融入的观看——具身观看。

唐代胡腾舞形态考

胡腾舞是北朝异域艺术传入中原的特色舞种之一,其发展脉络体现了中国古代少数民族与汉民族文化的融合。通过对苏思勖墓、陕棉十厂唐墓及宁夏盐池唐墓壁画乐舞图像分析,进一步证明唐代经济和文化发展使得胡腾舞在传播过程中大量吸收了中原宫廷乐舞等文化元素,其服饰搭配和舞蹈动作更接近于中原宫廷乐舞,西域舞蹈的风格逐步弱化。目前学界对于考古图像中的胡腾舞、胡旋舞等舞种划分归属问题还存在争议,仅以旋转和腾踏作为胡腾舞和胡旋舞的区分标准有些过于模糊。