- 1、本文档共5页,可阅读全部内容。
- 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
基于部位检测的人体姿态识别
2013年 1O月 计算机工程与设计 OCt.2013
第 34卷 第 1O期 COMPUTER ENGINEERING AND DESIGN Vo1.34 No.i0
基于部位检测的人体姿态识别
殷海艳 ,刘 波
(北京工业大学 计算机学院,北京 100124)
摘 要:为实现较高准确率的基于低分辨率深度图像的人体姿态识别,以Shotton算法为基础,提 出了合并部位的方法。
利用随机森林检测人体的31个部位,将人体的较小部位合并或者把较小部位划分到相邻的主要部位 中去,用均值偏移算
法获取各部位关节点的位置。鉴于 目前还没有公开的人体姿态深度 图像库,改进后的方法利用计算机图形学技术构建了数
据集。实验结果表明,改进后的方法提高了低分辨率图像 中人体关节点的平均预测准确率,与Shotton算法中要求具有高
性能的训练平台相比,该方法在普通PC上就能够很好地运行。
关键词 :姿态识别 ;深度 图像 ;部位检测 ;随机森林 ;均值偏移
中图法分类号:TP391.41 文献标识号:A 文章编号:1000—7024(2013)103540—05
Humanposerecognitionbasedonpartdetection
YIN Hai—yan,LIU Bo
(CollegeofComputerScience,BeijingUniversityofTechnology,Beijing100124,China)
Abstract:Toachievehigheraccuracyofhumanbodyposerecognitionbasedonlow resolutiondepthimage,amethodofmerging
partsofthebodybasedonShottonalgorithm ispresented.Firstly,31partsofbodyaredetectedusingrandom forest.Then,
smallerpartsaremergedordividedintoa~acentmainportion.Finally,thepositionsofthejointpointsofvariouspartsareob
tainedwiththemeanshift.Theimprovedmethodbuildsadatasetusingthecomputergraphicstechnology.Theexperimental
resultsshowthattheimprovedmethodimprovestheaveragepredictionaccuracyrateofhumanjointsinthelow-resolutionim
age,anditcanberunonanordinaryPC comparedtoShottonalgorithm requiringahigh-performancetrainingplatform.
Keywords:poserecognition;depthimages;partdetection;random forest;meanshift
上下文关系l6]。由于这些特征都与颜色相关,容易受光照
0 引 言
影响,导致算法不能够很好地检测人体;同时由于人的体
智能计算机以及机器人在人机交互、动画游戏、安全 型、着装千变万化,导致这些算法只适合于特定环境或者
监控系统、医疗康复等领域中具有广阔的应用前景 ¨l。],因 具有特定外型的人体识别。为了克服这些问题,一些学者
此,计算机视觉成为了众多研究者的兴趣所在。人体运动 提出用深度图像代替可见光图像的想法。深度图像能够清
分析是计算机视觉中一个重要的研究方向。人体运动分析 晰地表示空间中目标的几何信息,而且不受光照影响
文档评论(0)