人体姿态估计本科毕业论文

人体姿态估计本科毕业论文 - 【摘要】：p 【摘要】：p 人体姿态估计是计算机视觉领域中的一个关键问题，可以应用于人体活动分析p ，人机交互以及视频监视等方面。人体姿态估计主要是指从图像中检测出人体各部位位置、方向以及尺度信息。人体姿态估计常常被人们在视频跟踪环境中提起，由于基于单目图像的人体姿态估计的根底性和方便性，近年来国内外学者将人体姿态估计的研究重点开场转到静态图片人体姿态估计。本文正是从计算机视觉出发，对于基于视觉的静态图片中人体姿态估计进展了研究，主要做了以下工作： 1 理解了Kinect技术的一些主要工作原理和在人体姿态估计当中的应用； 2 研究了一些根本的图像特征提取，包括：深度信息，梯度直方图Histogram of Gradients和形状上下文Shape Context的算法原理及应用现状； 3 研究了主成分分析p 法算法PCA的主要原理，并且利用该算法对输入输出数据进展降维处理； 4 最后，针对上述不同的三种图像特征分别进展实验，从得到的实验结果中，根据平均绝对误差的大小，分析p 比拟了三种不同特征下的人体姿态估计之间的效果。 关键字：人体姿态估计，Kinect，深度信息，梯度直方图，形状上下文，主成分分析p 法 I ABSTRACT ABSTRACT Human pose estimation is an essential issue in puter vision area since it has many applications such as human activity analysis, human puter interaction and visual video surveillance, it main purpose of human pose estimation is that detect the position、scale and direction of parts of people .Human pose estimation is often approached in a video setting, within the context of tracking. Recent focus in the area has expanded to single-image pose estimation, because of its foundation and convenience . In this dissertation, vision-based human body estimation is investigated. Main contributions of this thesis are follows： 1 We get to know some main principals about the technology of the Kinect，and its real application in the human pose estimation. 2 We do some research about the extract of picture features，such as depth information、histogram of gradientHistogram of Gradientsand shape contextShape Context.In particular，we explain the main principals of all these methods and their statement of applications. 3 We do some research about the principal of PCA and we use it to reduce our datas dimensions; 4 At last，we perform a lot of experiments with respect to the picture features mentioned above ，judging from the results obtained from experiments，we analyse these three different experimentsabsolute average errors used in human pose estimation. Keywords：human body estimation,Kinect,depth information,histogram of gradient ，shape context,PCA II 目录 目 录 第1章 引言 . 1 1.1 绪论 . 1 1.2 人体姿态估计的研究意义 . 1 1.3 人体姿态估计研究现状 . 3 1.3.1 人体姿态估计分类 . 3 1.3.2 静态图片中的人体姿态估计 . 3 1.4 人体姿态估计研究难点 . 4 1.5 本文的研究内容和构造安排 . 5 1.5.1 本文的研究内容 . 5 1.5.2 本文的构造安排 . 5 第2章 图像深度信息 . 7 2.1 深度图像的研究现状 . 7 2.1.1 深度图像的概念与特征 . 7 2.1.2 深度图像研究现状 . 8 2.2 Kinect技术 . 8 2.2.1 Kinect简介 . 8 2.2.2 Kinect深度成像的根本原理 . 9 2.3 实验数据预处理 . 11 2.3.1 PCA算法的概念与应用 . 11 2.3.2 PCA算法的原理 . 11 2.3.3 输入输出数据降维 . 15 2.4 本章小结 . 17 第3章 梯度直方图算法 . 18 3.1 梯度直方图特征描绘符 . 18 3.1.1 梯度直方图 . 18 3.1.2 矩形梯度直方图描绘符 . 19 3.2 梯度计算 . 20 3.2.1 线性算子与核算子 . 20 III 目录 3.2.2 图像卷积 . 20 3.2.3 梯度大小和方向计算 . 21 3.3 分配权值 . 21 3.3.1 高斯滤波权值分配 . 21 3.3.2 三线插值 . 23 3.4 梯度直方图特征向量 . 23 3.5 梯度直方图人体检测算法 . 24 3.6 本章小结 . 25 第4章 形状上下文 . 26 4.1 形状匹配简述 . 26 4.1.1 形状匹配的相关概念 . 26 4.1.2 形状的表示方法 . 27 4.1.3 基于全局特征的形状匹配 . 28 4.1.4 基于部分特征的形状匹配 . 28 4.2 形状的轮廓点集表示 . 29 4.2.1 引言 . 29 4.2.2 形状的轮廓点集表示 . 29 4.3 形状上下文的定义 . 30 4.3.1 形状上下文的详细定义 . 30 4.3.2 基于形状上下文的形状匹配 . 33 4.3.3 不变性分析p . 33 4.4 本章总结 . 34 第5章 线性回归模型 . 35 5.1 线性回归模型 . 35 5.1.1 线性基函数模型 . 35 5.1.2 极大似然法和最小二乘法 . 38 5.1.3 最小二乘法的几何解释 . 40 5.2 标准化的最小二乘法 . 41 5.3 多个输出 . 42 5.4 实验结果比拟分析p . 43 5.4.1 回归模型在实验中的应用 . 43 5.4.2 不同实验误差的比拟分析p . 44 IV 目录 5.4.3 实验效果展示 . 47 5.5 本章小结 . 48 第6章 总结与展望 . 49 6.1 全文总结 . 49 6.2 将来工作展望 . 49 【参考文献】：p . 50 致谢 . 52 外文资料原文 . 53 外文资料译文 . 1 V 第 13 页 共 13 页