基于卡尔曼滤波的运动人体跟踪算法研究

提出一种基于卡尔曼滤波的运动目标快速跟踪算法。利用卡尔曼滤波器的预测功能,预测运动人体目标在下一帧中的位置,在Matlab仿真环境下实现该跟踪算法,实验结果表明:该算法对人体目标的运动趋势能够做出正确的预测估计,跟踪效果和性能较为稳定和可靠。此外,该算法将图像全局搜索问题转换为局部搜索,使运算量减少,满足实时性跟踪要求,实现了对运动目标的快速跟踪。

基于预处理和卡尔曼滤波算法的运动人体跟踪

对正在运动的人体进行跟踪时,为了保证系统的实时性和精准性,需根据当前的目标运动轨迹预测在下一时刻的位置,并且修正该时刻的位置。利用卡尔曼滤波器预测运动人体目标在下一帧中的位置,并且在预测之前对所采集到的视频进行预处理后,在matlab仿真环境下实现该算法,实验结果表明:本算法对人体目标的运动趋势能做出正确的预测估计,性能和跟踪效果更为稳定和可靠。

带有阴影消除的室内运动人体的提取与跟踪

描述了一种带有阴影消除的对室内运动人体进行提取与跟踪的方法。该方法使用自适应背景减除法初步得到人体区域,在此基础上利用色度的不变性来消除阴影区域的影响,可以对提取出的比较精确的运动人体进行跟踪。

适用于单目视频的无标记三维人体运动跟踪

在无标记人体运动跟踪过程中,由于被跟踪目标缺乏明显的特征以及背景复杂而使得跟踪到的人体运动姿态与真实值偏差较大,不能进行长序列视频跟踪.针对这一现象,提出一种基于形变外观模板匹配进行单目视频的三维人体运动跟踪算法,其中所用的人体外观模型由三维人体骨骼模型及二维纸板模型组成.首先根据人体骨骼比例约束采用逆运动学计算出关节旋转欧拉角;然后利用正向运动学求得纸板模型中像素在三维空间中的坐标,将这些像素根据摄像机成像模型投影到二维图像中得到形变外观模板;最后采用直方图匹配得到人体运动跟踪结果.实验结果表明,该算法对于一些复杂的长序列人体运动能够得到较为理想的跟踪结果,可应用于人机交互和动画制作等领域.

单目视频中无标记的人体运动跟踪

提出一种人体运动跟踪算法,从无关节标记的单目视频中获取人体运动.利用一个带外观模板的人体关节模型,通过学习得到的运动模型及基于外观模型的相似性计算,巧妙地利用粒子滤波的概率密度传播策略鲁棒地跟踪普通单目视频中的人体运动.当出现跟踪丢失时,能在后续序列中自动恢复正确跟踪,且能较好地处理遮挡和自遮挡问题.实验表明,该算法鲁棒性好,跟踪结果令人满意.

基于视频的三维人体运动跟踪

提出一种结合多种图像特征,在多摄像机环境下跟踪人体运动的方法.通过定义人体模型、摄像机投影模型以及相似性度量模型来得到优化框架下的目标函数,并使用牛顿-高斯优化算法对其进行求解.模拟数据和实际数据的实验表明,文中方法比仅仅使用灰度特征,跟踪结果得到了改善,对比实验结果也优于基于概率算法的退火粒子滤波.

基于量子遗传和无迹粒子滤波的人体运动跟踪

提出一种人体运动跟踪算法,用于解决多关节人体运动跟踪问题。由于无迹粒子滤波存在样本贫化现象,因而对目标运动估计产生影响,尤其估计模型为复杂的马尔可夫链的时域问题的影响尤为严重。通过分析产生该现象的原因,在无迹粒子滤波中引入量子遗传算法:一方面,增加样本集的多样性而缓解样本贫化现象的影响;另一方面,改善其估计、跟踪能力并有效缩短了计算时间。实验结果表明,所提出算法很好地减轻了样本贫化现象对无迹粒子滤波的影响,并提高了多关节人体运动跟踪的准确性,跟踪结果令人满意。

室内人体运动目标的自动跟踪方法

针对人体运动目标的自动实时跟踪,设计一种新的基于P89v51内核的运动摄像头云台控制系统。对人体运动的图像检测与跟踪,提出一种快速的模板匹配方法。用改进Surendra算法自适应地获取背景图像以提取匹配模板,通过摄像头运动前后帧相同的运动区域来缩小匹配区域,进行快速目标匹配,达到实时性要求。该系统已应用在视频教学及会议中,实现自动人体运动目标跟踪与摄像。

基于视频的三维人体运动跟踪系统的设计与实现

在优化粒子滤波跟踪框架下,设计并实现了一个结合多种图像特征、在多摄像机环境下跟踪人体运动的三维人体运动跟踪系统.通过定义三维人体模型、摄像机模型以及观测似然模型,得到跟踪所需目标函数,并使用优化粒子滤波算法进行求解.实验结果表明,该系统能够对人体运动进行准确的跟踪和三维重建,可应用于体育运动分析和动画制作等领域.

基于RBF神经网络的人体运动跟踪与姿态预测(英文)

本文采用径向基函数神经网络进行人体运动跟踪与人体姿态预测,利用采集的运动数据对本文提出的运动跟踪与姿态预测方法进行性能评估,给出部分测试和比较实验结果,实验结果表明,基于径向基函数神经网络的人体运动跟踪与人体姿态预测方法是可行的。

基于改进粒子滤波算法的人体运动跟踪

在复杂环境中对人体进行有效性和鲁棒性的跟踪是计算机视觉领域一个非常富有挑战性的课题,提出了一种基于改进粒子滤波算法实现的人体运动跟踪。利用改进的粒子滤波算法跟踪视频序列中的人体运动,不但解决了传统粒子滤波算法计算量大、误码多的缺点,而且能较好地处理遮挡和自遮挡问题。实验结果表明,该改进算法能更准确、更有效地跟踪运动人体。

基于2-D模型的人体运动跟踪

人体运动跟踪是图象处理和计算机视觉研究的热点问题 .它在人机接口、虚拟现实、智能监控、机器人仿真等方面具有广阔应用前景 ,已引起越来越多学者的关注 .为了实现准确的人体运动跟踪 ,采用了两种基于 2 D模型的人体运动跟踪方法 :其中 ,一种方法是以区域面积重合率为匹配准则 ,采用由粗到细的匹配过程 ,通过建立 2 D模型以实现与真实人体运动间的准确匹配 ;另一种是基于区域特征的 2 D模型和人体各个部位的连接关系 ,通过确定和标记人体的各个部位 ,最终由 2 D模型来重现真实人体的运动过程 .同时采用以上两种方法 ,对实际人体运动进行了跟踪测试 ,在全身运动的整个过程中能给出较为准确的跟踪结果 .表明该方法不仅能抵御噪声和灰度变化的影响 ,而且能大致估计出被遮挡部位的位置 .

基于自适应前景分割及粒子滤波的人体运动跟踪

提出了在图像序列中用自适应前景分割及粒子滤波对人体的3-D运动轨迹进行跟踪的方法.首先建立了像素点的高斯模型,并结合图像帧间的差分信息以及灰度分布的先验概率等因素完成了图像中人体的自适应分割.根据所得到的分割结果建立了透视投影下的运动平面跟踪模型.根据投影过程的非线性以及图像中噪声分布的未知性,提出了粒子滤波的跟踪方法,并最终得到了人体运动平面的3-D轨迹.实际人体运动图像序列的实验证明,本文方法能有效地跟踪人体运动的3-D轨迹,并反映出在此跟踪问题上粒子滤波比传统的扩展卡尔曼滤波更具优势.

基于Beowulf机群中改进粒子滤波的3D人体运动跟踪

针对标准的粒子滤波算法在视频三维人体运动跟踪中存在的计算量巨大、粒子退化、跟踪失效而无法同时满足跟踪精度和跟踪实时性要求的问题,提出了基于Beowulf机群中改进的粒子滤波新算法。新算法通过三维人体模型参数的自动初始化、粒子数目和模板的调整来实现跟踪失效的自动恢复,基于任务动态分配策略、低开销通信策略设计的Beowulf机群中的迁移式粒子滤波并行算法克服了粒子退化问题和提高了计算速度。实验结果显示:新方法有效地减轻了粒子退化和跟踪失效问题,降低了计算时间,提高了跟踪精度,能够同时满足三维人体运动跟踪精度和实时性的要求。

结合模型匹配与特征跟踪的人体上半身三维运动姿态恢复方法

人体姿态空间的高维性及单目视频深度信息丢失,导致从单目视频恢复人体三维运动姿态非常困难,为此,利用特征跟踪的快速性及模型匹配的鲁棒性,提出一种无标记人体上半身三维运动跟踪方法.该方法利用匹配SIFT特征,并根据长度不变性约束建立优化目标函数,再采用迭代优化算法得到全局运动位姿;其他关节的姿态先根据逆运动学计算初始估计值,并通过模型匹配验证其可信度,当初始姿态估计错误时,则使用局部搜索获得关节姿态.实验结果表明,文中方法可以准确地恢复单目视频中人体上半身三维运动姿态.

基于改进Snake模型的人体运动跟踪算法

提出一种改进Snake模型与光流估计相结合的人体运动自动实时跟踪算法。利用角点检测得到接近人体真实轮廓的初始轮廓,减少了迭代次数,降低了Snake模型收敛到局部极值的概率;同时针对Snake模型跟踪不够稳定、容易出现跟踪丢失问题,结合KLT光流法,选取当前帧所得到的轮廓点中的强特征点进行光流估计,将估计结果作为下一帧Snake的初始轮廓,有效地解决了这一难题。实验结果表明改进Snake模型可使初始轮廓形变到人体真实轮廓,同时实现了视频序列中自动、实时的人体跟踪。

Kalman滤波的人体运动位置跟踪算法

基于视频的人体运动跟踪是当前计算机视觉研究的热点 ,具有广泛的应用领域 .文中提出一种基于 Kalman滤波的跟踪算法 .合理使用自适应背景颜色模型 ,能够准确地对人体运动位置进行跟踪 .

人体运动目标跟踪的滞后性问题研究

研究人体运动目标跟踪问题,由于图像目标跟踪实时性差,在摄像机与被跟踪物体同时运动的情况下,被跟踪人体走路速度过快,两者速度不匹配时,运动的人体存在着被跟踪的滞后性问题。为解决上述问题,提出了一种改进的粒子跟踪方法。在人体跟踪的过程中,可以根据实际跟踪情况在线减少粒子的数目,进而减少运算时间,使得算法的运算速度可以根据被跟踪人体的运动速度实时调节,形成速度最佳匹配。`仿真表明,改进的算法很好地解决了被跟踪运动目标的滞后性的问题,跟踪效果明显改善。

基于统计模型的遗传粒子滤波器人体运动跟踪

提出了一种基于统计模型的遗传粒子滤波器人体运动跟踪算法。引入局域二值模式(LBP)算子提取纹理特征,利用颜色直方图与纹理直方图相似度的加权和表示目标相似度,以有效解决自遮挡对跟踪的影响。利用该统计模型精确表示运动人体轮廓,目标形状可由一可变形状参数确定;采用遗传粒子滤波器作为跟踪算法以提高粒子滤波器的鲁棒性和精度。通过预测更新可变形状参数,再利用统计模型中目标形状与形状可变参数的关系得到图像序列各帧中人体轮廓,有效降低了计算量,从而达到快速而准确的跟踪目的。最后用上述方法进行了实验,验证了该方法的实用性和有效性。

基于运动函数化的人体步态建模与跟踪

基于粒子滤波器的人体运动视频跟踪是目前视频分析领域中的重要研究方向。而如何消除自遮挡、互遮挡以及背景混乱等问题对人体运动跟踪的影响是人们研究的重点。针对这一问题,本文中提出一种通过运动函数化建模并利用模型进行粒子状态预测,以保证跟踪准确性与鲁棒性的方法。