基于激光扫描和深度学习的人体动作精准识别研究

基于特征进行人体动作识别时,主要依靠短时间规模的时空特征,导致识别结果top-1值较低。因此,提出结合激光扫描技术和深度学习原理,设计有效的人体动作识别方法。针对激光扫描数据,进行去噪和校正处理。通过背景差分法划分静态背景与感兴趣区域,根据扫描数据点的连续性特点、空间位置关系,检测出待识别的人体目标。建立包含时空注意力机制的深度学习人体动作识别模型,获取扫描数据中包含的长期、复杂时空信息,得到融合特征输入融合域,得到初始分类结果。最后,结合决策融合机制,生成人体动作精准识别结果。实验结果表明:所提方法的top-1值为74.4%,与其他识别方法相比提升了30.7%、28.9%和24.2%。

考虑遮挡因素的视频人体运动目标自适应跟踪

针对视频人体运动目标跟踪过程中遮挡导致跟踪能力下降的问题,提出考虑遮挡因素的视频人体运动目标自适应跟踪算法。采用区域生长和视觉阈值效应相结合算法粗检测目标,以粗检测结果为基础通过Kalman滤波器和Meanshift跟踪算法跟踪视频人体运动目标。在目标尺度改变、旋转以及光线变化等情况导致跟踪效果不佳时引入SIFT(Scale Invariant Feature Transform)算法提高跟踪能力,实现抗遮挡的视频人体运动目标自适应跟踪。实验结果表明,该方法的跟踪精确度较高,在遮挡程度为0.5时,跟踪成功率仍可以达到75%左右,且平均跟踪帧率为28.9 frame/s,实时性较强。

视频序列中人体运动目标的检测与跟踪研究

提出一种视频序列中人体运动目标的精确检测、提取以及跟踪算法。该算法采用帧间差阈值法(简称TIFD)实现快速精确地检测和提取目标,使用扩展的Kalm an滤波器预测运动目标下一时刻可能处于的区域,缩小了目标跟踪时的搜索范围。充分利用运行目标检测的结果,提高了目标的匹配效率及跟踪速度。同时给出了相应的实验结果,结果表明方法是比较实用的,能满足人体运动分析的基本要求。

基于视频序列的人体运动分析系统的研究与实现

基于视频的人体运动分析是通过视频序列对人体的运动进行检测、分割和跟踪,获得人体或者某一部位的运动信息,生成人体的运动轨迹以及各运动学和动力学参数,达到分析人体三维运动的目的。人体运动属于连接型非刚体运动的范畴,具有高度的非线性特点,利用视频进行人体运动分析,有着极大的研究价值和现实应用前景。本文以单目视频中人体的跳远运动为研究对象,研究与实现了一个基于视频序列的人体运动分析系统。

一种快速人体骨架建模方法

提出从序列视频中快速建立人体骨架模型的方法。基于阴影特征采用Otsu算法完成运动目标检测中的阴影消除,得到准确的人体轮廓;对人体轮廓进行形态学的细化处理,采用新建立连通性结构标准和肢体关节点定位算法处理骨架建立人体骨架模型。实验结果表明,该方法对人体肢体部位各端点定位获得较高的准确率,能快速定位关节点,较好地得到人体骨架模型。

激光点云运动人体目标识别及运动信息提取

针对传统的关键点检测方法进行人体运动信息提取和图形重构获得的可测截面少和精度低的问题,提出一种基于激光点云技术的运动人体目标识别及运动信息提取方法。采用多视点云配准方法进行运动人体目标的三维光学面扫描,获得运动人体目标的体绘制图像,采用高斯滤波法剔除服从正态分布的噪声,获得能准确反映人体运动行为特征的有用数据特征。使用激光点云平滑技术消除人体运动重建曲面的毛刺,保留原始点云的特征信息。通过点云采样技术拟合获得人体运动信息,实现人体运动信息有效提取。仿真结果表明,该方法能有效实现人体运动动作图像重构,重建几何精度较高,对运动信息提取的拟合准确性较好。

跟踪机器人识别运动人体装置的实现方案

提出了一种跟踪机器人的人体识别方法。通过提取目标人的衣服色彩及轮廓特征,能够从自由背景中识别出目标人,并通过动态更新的方法提高基于普通摄像机的人体运动分析系统对环境的适应性。应用结果表明,这种方法不受亮度影响,鲁棒性强,识别率高。

复杂地物背景下红外弱小目标跟踪算法

复杂地物背景下红外弱小目标的跟踪在红外监视系统中有重要的应用价值。提出了一种人眼视觉系统原理和多目标跟踪技术的弱小目标跟踪算法,实现了对复杂地物背景下红外弱小目标的跟踪。算法首先在图像中提取候选目标和各目标对应的目标区域,估计相邻帧图像之间的运动参数,对所有跟踪目标进行轨迹预测;然后融合多信息对当前帧目标与目标链中目标进行关联,根据关联结果对目标链进行更新;最后输出跟踪目标的位置坐标,实现对红外弱小目标的跟踪。用实测的图像序列对算法进行了测试,试验结果表明本文算法对树林、农田、建筑等复杂地物背景中弱小目标有较好的跟踪效果,可以用于红外监视系统中对复杂地物背景下低对比度弱小目标自动跟踪。

运动视频中人体目标动作标记点动态跟踪方法研究

为了提高运动视频中人体目标动作的实时检测和动态跟踪识别能力,提出一种基于边缘相似性特征分割的运动视频中人体目标动作标记点动态跟踪方法.采用分区域特征匹配方法进行运动视频中人体目标动作图像采集和分块融合性检测,通过动态特征融合技术融合人体目标动作标记点,提取目标动作的边缘轮廓特征值;结合模糊像素区域性融合技术实现对人体目标动作标记点动态检测;根据边缘相似性变换完成人体目标动作标记点特征分割,实现动作标记点的动态跟踪.仿真结果表明,采用该方法进行运动视频中人体目标动作标记点动态跟踪的精度较高,图像融合性较好,提高了人体目标动作特征点的标记和识别能力.

载人潜水器对接目标位置姿态仿真控制研究

以载人潜水器对接运动的控制仿真为研究对象,由于运动过程具有强非线性并且受到瞬变流场的干扰,因此仅靠解算运动数学模型的方法不能准确有效地进行目标位置姿态的操纵控制仿真。在分析建立载人潜水器空间六自由度对接运动动力学模型的基础上,研究设计基于模糊逻辑的运动控制方法,进行对接目标位置姿态的自动控制计算,增加在线自调整使得控制器具有更好的稳定性和动态性。通过对目标位置姿态的仿真结果验证了方法的可靠性,为载人潜水器控制系统的设计提供了参考。

视频三维运动捕获系统中多运动目标跟踪方法

在视频运动捕获系统中,多标记点的匹配和跟踪是获取标记点三维运动参数的关键问题.文中提出了基于二维和三维卡尔曼滤波器相结合的三维匹配跟踪算法.该算法通过卡尔曼滤波器预测标记点在二维图像和三维空间中的位置,缩小了标记点的搜索范围,约束了标记点之间的匹配关系,在双目视觉下实现了标记点准确跟踪和匹配.实验结果验证了算法的有效性.

基于图像跟踪的人体运动目标点优化定位方法研究

为了提高人体运动目标点优化定位检测能力,提出基于图像跟踪的人体运动目标点优化定位方法.构建人体运动目标图像的三维表面信息重组模型,采用边缘轮廓检测方法进行人体运动目标点跟踪识别,提取人体运动目标点的灰度特征量;采用多维像素重构方法进行人体运动目标图像的信息融合和运动特征点标定,分析人体运动目标点的差异性特征量;采用自适应图像跟踪识别方法进行人体运动目标点优化定位,结合角点检测方法对人体运动目标点优化定位结果进行自适应学习和寻优控制,实现人体运动目标点优化定位优化.仿真结果表明,人体运动目标点优化定位的图像偏移量最高仅有30mm,减小了误差偏移,提高了人体运动目标点定位的精度.

基于目标区域约束的人体手臂运动轨迹图像分割

针对传统分割方法存在分割完整性不足、分割耗时较长以及分割精度较差的问题,提出基于目标区域约束的人体手臂运动轨迹图像分割方法.采取多阈值分割方法,对目标区域约束阈值进行设定,根据阈值取值,得出图像阈值分割曲面图.通过对比巴氏距离系数描述轨迹目标区域与候选目标区域之间的相似度,根据Mean Shift检索邻域范围内密度评估的极大值,迭代上述过程,不断更新运动轨迹目标,根据图像轨迹目标跟踪结果,利用目标区域约束法实现图像分割.结果表明,利用该方法后图像分割区域较为完整,耗时较短,分割精度明显提高.

人体运动视频图像目标局部特征快速提取仿真

针对当前人体运动视频图像目标局部特征快速提取时,视频图像目标局部参数分析存在不足,导致构建视频图像阶层时对低级层特征图描述不精准,从而增加提取时间,存在查全率和查准率较低等问题。提出人体运动视频图像目标局部特征快速提取方法。通过人体运动视频图像相邻帧之间的信息熵,结合密度函数确定视频图像初始聚类中心,计算得到聚类数目,实现人体运动视频图像目标局部参数分析。选取卷积输出层的特征图构建人体运动视频图像阶层结构,引入信息熵的方法对人体运动视频图像低级层特征图进行描述,结合区域平均的方法描述人体运动视频图像高级层特征图,最终完成人体运动视频图像目标局部特征提取。实验结果表明,所提出方法在人体运动视频图像目标局部快速提取过程中,特征提取所需完成时间较短,查全率和查准率较高。

基于特征关联的视频中群体人物行为语义抽取

为解决视频中群体人物行为语义抽取中群体人物相互遮挡、追踪困难等问题,构建一种基于特征关联的视频中群体行为人物语义抽取算法。该算法首先对视频帧提取多尺度融合特征图,通过特征图检测视频帧中可能存在的人物,利用去重算法筛除检测到的重复人物,精准定位群体人物边界框;接着预测群体人物特征掩码,通过比对相邻视频帧人物特征掩码的差异度追踪群体人物的运动轨迹;最后结合群体人物的运动轨迹推理每帧视频帧的群体人物行为语义,根据群体人物行为特点抽取视频群体人物行为语义。实验结果表明,该算法能够准确提取、定位群体人物的动态线索,解决群体人物复杂时空关系导致的语义抽取低效问题,有效地提高群体人物语义抽取的准确率和鲁棒性。

一种结合深度特征的人体运动序列追踪模型

目前主流的判别式目标跟踪模型大多使用灰度、颜色等手工特征,在目标快速移动或受到视频序列背景等因素干扰情况下,目标跟踪器可能在跟踪目标时学习到错误特征而导致跟踪失败。因此,提出一种结合深度特征的相关滤波跟踪算法。首先将待跟踪目标图像输入至卷积神经网络中,提取出较高层的卷积特征,然后将提取的卷积特征输入相关滤波器中得到响应,最后根据响应峰值得到追踪结果。以VOT2016中包含人体运动的视频序列为实验数据集,并分别与CN、SAMF及KPDCF模型进行对比。实验结果表明,结合深度特征的相关滤波算法具有较好的追踪性能,在不大幅降低追踪速度的情况下,提升了追踪精度和稳定性。

多自由度人体运动动态图像目标检测方法仿真

采用当前方法对人体运动动态图像进行目标检测时,无法消除图像中存在的阴影区域,导致图像清晰度低、位置误差大和检测效率低。提出多自由度人体运动动态图像目标检测方法,构建高斯背景模型,分离图像的背景区域和目标区域,将目标区域变换到HSI空间中,结合小区域去除方法和数学形态学处理,根据阴影区域饱和度高和亮度值低的特点确定目标区域中存在的阴影,通过匹配补偿去除目标区域中的阴影部分。根据目标区域的灰度分布构建目标更新模型,实现多自由度人体运动动态图像目标的检测。实验结果表明,所提方法的图像清晰度高、位置误差小、检测效率高。

机场航站楼热成像视频下融入运动信息的显著人体检测方法

弱光背景下的目标检测是航站楼夜间巡检机器人的主要任务之一。为充分提取与利用动态场景视频数据中的运动信息,提高检测方法在人体被遮挡、图像边缘的人体目标不完整等实际复杂情况下的检测效果,避免因单帧检测结果不完全引起的歧义,提出一种机场航站楼热成像视频下融入运动信息的显著人体检测方法。该方法首先通过背景模型初步分离图像数据的前景和背景,借由特征点轨迹聚类和运动估计仿射模型进一步分离因摄像机运动被误判的背景区域,最后将运动目标检测结果作为运动信息与单帧检测算法结果相融合。在4个数据集中的实验表明,该方法能够有效地从动态场景视频数据中提取运动信息,且能够有效提升单帧检测精度,并避免检测不完全情况的发生。