基于跨阶段特征融合算法的混合部位运动图像超分辨率修复方法

混合部位运动图像存在模糊、失真、低分辨率等问题,且峰值信噪比差值较小。提出基于跨阶段特征融合算法的混合部位运动图像超分辨率修复方法。结合非线性映射关系重构像素点,采用跨阶段特征融合算法,完成混合部位运动图像超分辨率修复。实验结果表明:得到完整的混合部位运动图像修复结果,表现出的峰值信噪比差值较大,修复后的图像分辨率更优,满足了混合部位运动图像的现实应用需求。

复杂混合部位的姿态图像识别方法研究

对复杂混合部位姿态图像进行识别,在人员定位及识别方面有着重要的应用价值。由于复杂混合部位姿态图像相对普通姿态图像特征要复杂,使得局部动态变化也会给复杂混合部位姿态识别带来很大麻烦。传统的识别算法对于复杂混合部位姿态图像特征只能通过外部轮廓进行简单的识别,对于细致的姿态特征需要经过大量的迭代计算进行识别,导致识别准确性低、效率差。提出基于支持向量机的复杂混合部位姿态图像识别方法。通过高斯模型和背景差方法相结合对复杂混合部位的姿势图像进行姿态分离,引入支持向量机对分离出来的人物姿态图像进行分类,并将分类结果与多级二叉树的形式相结合,构建复杂混合部位姿态图像分类器,完成对复杂混合部位的姿态图像识别。仿真实验结果表明,改进识别算法的准确率和效率均优于传统的识别算法,具有一定的实用性。

基于肢体调整的人体姿态估计

基于混合部位模型的人体姿态估计方法将人体拆分成若干由树形结构相连的模板,利用相应的全分函数进行人体姿态的估计,由于树形结构的固有缺陷而导致复杂人体姿态估计错误。为了解决这个问题,提出基于肢体调整的人体姿态估计方法。该方法提出像素离散方向的概念、融合全分函数和像素离散方向等属性的局部特征函数、以及基于关节点的局部特征进行人体姿态调整的方法。实验表明本文方法的姿态估计效果比以前的基于混合部位的关节模型的方法更好。