基于深度图像的人体运动姿态跟踪和识别算法

由于人体运动的复杂性,现有基于低质量深度图像的三维立体姿态跟踪和识别方法的准确性较低、鲁棒性较差。针对低质量深度图像的人体运动姿态和识别问题,本文设计了一种基于三步搜索算法的人体运动姿态的跟踪和识别方法。该方法首先对获取的深度信息进行分析,从而判定人体轮廓;然后通过基于深度图像的骨骼跟踪方法跟踪特定骨骼点,并采用三步搜索算法进行运动估计,跟踪获取人体运动轨迹;最后利用获取的骨骼点坐标实现人体运动姿态的识别。实验结果表明,该算法克服光照影响的鲁棒性较强,且能有效地提高人体运动姿态跟踪与识别的准确性。

基于视觉测量的脉搏图像三维重构

动脉搏动情况是人体循环系统动态过程中一个可检测的生物讯号。在单目视觉脉搏图像传感器的基础上,依据脉搏图像传感器中薄膜及其网格变化约束的特点,建立了空间测量原理的数学模型,运用Harris角点检测算法,对连续各帧脉搏图像中的角点进行跟踪匹配,从而重构出脉搏搏动的三维信息。通过实验获得了平脉、滑脉、迟脉和濡脉4种脉象的三维信息,实现了脉搏图像的三维重构,为进一步在时空域中提取多种表征脉搏状态的特征奠定了基础。