基于部位检测的人体姿态识别.pdf

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