基于視頻的人體姿態(tài)檢測與運(yùn)動識別方法.pdf

1、基于視頻的人體運(yùn)動識別是計算機(jī)視覺研究中的一項基本課題。這一課題近年來成為人們越來越感興趣的一個研究方向，一方面是因為視頻中的人體運(yùn)動在海量視頻數(shù)據(jù)檢索、人機(jī)交互、視頻監(jiān)控、體育運(yùn)動分析等領(lǐng)域有著廣泛的應(yīng)用前景，而且基于視頻的方法是唯一一種無入侵式的運(yùn)動捕獲方法。另一個方面在于基于視頻的人體運(yùn)動識別包含大量的挑戰(zhàn)性難題，例如:從圖像中估計自遮擋非剛體的3維姿態(tài)和運(yùn)動，視點變化的影響、鏡頭運(yùn)動的干擾等等。從理論研究的意義上看，問題的復(fù)雜性

2、使得研究具有更大的挑戰(zhàn)性。
　　 基于視頻的人體運(yùn)動識別作為計算機(jī)視覺一個重要分支，是研究如何從指定視頻序列中識別出特定的人體運(yùn)動。目前已有大量關(guān)于人體運(yùn)動識別的研究成果，這些成果大部分局限于研究平緩的人體日常運(yùn)動，如行走、小跑、坐下等。但是在體育視頻中，人體運(yùn)動有其特殊性，如人體姿態(tài)可呈倒立狀態(tài)，運(yùn)動速度快，運(yùn)動過程中視點變化。
　　 本文研究如何表示與識別體育視頻中的人體運(yùn)動。我們在總結(jié)和分析國內(nèi)外相關(guān)研究工作的基礎(chǔ)

3、上，針對體育視頻中人體運(yùn)動特點，主要對視頻序列中的人體目標(biāo)檢測、人體目標(biāo)分割、人體目標(biāo)跟蹤及人體運(yùn)動的表示與識別等方面進(jìn)行了研究。
　　 與以前的工作相比，本文的貢獻(xiàn)主要體現(xiàn)在以下幾個方面:
　　 1.提出了一種無姿態(tài)約束的上半身人體目標(biāo)檢測算法。現(xiàn)有的人體目標(biāo)檢測算法只能檢測出呈基本直立姿態(tài)的人體目標(biāo)。為了檢測出體育視頻中的姿態(tài)變化多樣的人體目標(biāo)，我們提出了一種無姿態(tài)約束的人體目標(biāo)檢測算法。算法首先通過形狀上下文匹配查

4、找人體候選目標(biāo)，然后通過方向梯度直方圖特征結(jié)合支持向量機(jī)來去除假陽目標(biāo)。該算法不但能夠檢測出各種姿態(tài)的人體目標(biāo)，而且與方向梯度直方圖檢測算法相比，檢測速度有很大的提升。
　　 2.提出了一種無交互的人體目標(biāo)分割算法。圖割算法是一種交互式的目標(biāo)分割算法，通過輸入目標(biāo)的范圍實現(xiàn)目標(biāo)分割，但是分割效果不理想。通過分析圖割算法中將前景目標(biāo)誤分割為背景的原因，我們修正了圖割算法，再結(jié)合人體目標(biāo)檢測算法，提出了一種自動的人體目標(biāo)分割算法。相

5、比原圖割算法，該算法無需交互輸入就能夠?qū)崿F(xiàn)人體目標(biāo)的自動分割，并且得到了更好的分割結(jié)果。
　　 3.提出了一種快速運(yùn)動目標(biāo)的跟蹤算法。Mean Shift跟蹤是一種常用的實時跟蹤算法，但是無法有效跟蹤快速運(yùn)動的目標(biāo)。針對體育視頻中的運(yùn)動目標(biāo)運(yùn)動速度快的特點，我們提出了一種快速運(yùn)動目標(biāo)的跟蹤算法，實現(xiàn)了對視頻中的快速運(yùn)動目標(biāo)的跟蹤，且在目標(biāo)背景復(fù)雜的場景中也能有效跟蹤目標(biāo)。
　　 4.提出了一種復(fù)雜人體運(yùn)動的表示與識別方法

6、。通過人體目標(biāo)檢測、分割、跟蹤算法，從視頻中提取人體前景，再采用人體前景圖像的方向梯度直方圖特征來表示人體姿態(tài)，提出了一種基于人體姿態(tài)自相似矩陣的人體運(yùn)動表示方法。該方法具有視點不變性、背景無關(guān)性、運(yùn)動實施者無關(guān)性等優(yōu)點，此外，攝像機(jī)的運(yùn)動對我們的人體運(yùn)動表示方法影響較小，使得我們的方法更適合對實際場景下的人體運(yùn)動進(jìn)行表示與識別。
　　 綜上所述，本文提出了人體目標(biāo)檢測算法、快速運(yùn)動目標(biāo)的跟蹤算法和人體目標(biāo)分割算法，利用這些算法