多摄像机人体姿态跟踪.pdf

ISSN 1000-0054 清华大学学报 (自然科学版)2011年 第 51卷 第 7期 — — CN 11—2223／N JTsinghuaUniv(Sei Tech)，2011，Vo1．51，No．7 多摄像机人体姿态跟踪 孙 洛 ， 邸慧军， 陶霖密， 徐光祜 (清华大学 计算机科学与技术系 ，普适计算教育部重点实验室，北京 100084) 摘 要：人体姿态跟踪是人类行为分析和识别 的基础，具有 本文将人体头肩部构成 的Q形状 的曲线作为 广 阔的应用范围。该文 以人体 的头肩部轮廓构成 的Q形状 姿态跟踪的 目标。头肩部位轮廓具有丰富的形状信 的曲线作为跟踪 目标，利用多摄像机间的位置约束和形状约 息，可为人体姿态 的估计提供有用信息。头肩部轮 束，提出了一种基于多摄像机 的人体朝向、位置和头肩部轮 廓的跟踪又提供了相关的运动信息，因此在动作识 廓的联合跟踪算法。该算法将多视角头肩部轮廓跟踪和三 别、肢体语言理解 、人体定位等方面都有着广泛的应 维空间中的头肩部位置跟踪、朝向检测融合于同一框架 中。 用 。在室内场景中，监控摄像机通常固定在天花板 真实场景实验表明该算法具有 良好的鲁棒性和准确性。 附近，此时头肩部轮廓相对胸腹部和下肢轮廓较不 关键词：姿态跟踪；多摄像机；粒子滤波器；动态Bayes网 容易被其他物体遮挡，据此跟踪确定人体的姿态具 中图分类号 ：TP391．4 文献标志码 ：A 有更好的适应性和鲁棒性。 文章编号 ：1000—0054(2011)07—0966—06 人体头肩部的运动模式复杂 ，它在 2一D图像平 面中投影 (Q形状的曲线)会产生类似于非刚体的运 Humanposturetracking in a 动。轮廓跟踪主要可以分为基于动态轮廓的跟踪和 multi-cameraenvironment 基于粒子滤波器 (PF)的跟踪两大类。前者利用封 SUNLuo，DIHuijun，TAOUnmi，XUGuangyou 闭的曲线轮廓来表示 目标 ，且该轮廓可以自动更新 (KeyLaboratoryofPervasiveComputingofMinistryofEducation， 以实现对 目标的连续跟踪[2。。]。粒子滤波器作为一 DepartmentofComputerScienceandTechnology， TsinghuaUniversity，BeUing100084，China) 种非线性的概率跟踪方法 ，使用一组加权的样本集 来表示一个状态空间模型的后验概率分布，适用于 Abst