基于深度图像的人体运动姿态跟踪和识别算法

被引：14

作者：

杨凯 ^{[1
]}

魏本征 ^{[1
]}

任晓强 ^{[2
]}

王庆祥 ^{[2
]}

刘怀辉 ^{[3
]}

机构：

[1] 山东中医药大学理工学院

[2] 齐鲁工业大学信息技术学院

[3] 山东警察学院公共基础教研部

来源：

数据采集与处理 | 2015年 / 30卷 / 05期

关键词：

智能监控; 匹配与跟踪; 特征选择;

D O I：

10.16337/j.1004-9037.2015.05.015

中图分类号：

TP391.41 [];

学科分类号：

080203 ;

摘要：

由于人体运动的复杂性,现有基于低质量深度图像的三维立体姿态跟踪和识别方法的准确性较低、鲁棒性较差。针对低质量深度图像的人体运动姿态和识别问题,本文设计了一种基于三步搜索算法的人体运动姿态的跟踪和识别方法。该方法首先对获取的深度信息进行分析,从而判定人体轮廓;然后通过基于深度图像的骨骼跟踪方法跟踪特定骨骼点,并采用三步搜索算法进行运动估计,跟踪获取人体运动轨迹;最后利用获取的骨骼点坐标实现人体运动姿态的识别。实验结果表明,该算法克服光照影响的鲁棒性较强,且能有效地提高人体运动姿态跟踪与识别的准确性。

引用

页码：1043 / 1053

页数：11

共 12 条

[1] 自适应门限GM-CPHD多目标跟踪算法 [J].

章涛 ;

吴仁彪 .

数据采集与处理, 2014, 29 (04) :549-554

[2] 人体动作行为识别研究综述 [J].

李瑞峰 ;

王亮亮 ;

王珂 .

模式识别与人工智能, 2014, 27 (01) :35-48

[3] 基于Kinect的姿势识别与应用研究 [J].

谢亮 ;

廖宏建 ;

杨玉宝 .

计算机技术与发展, 2013, 23 (05) :258-260

[4] 基于Kinect深度信息的人体运动跟踪算法 [J].

杨晓敏 ;

张奇志 ;

周亚丽 .

北京信息科技大学学报(自然科学版), 2013, 28 (01) :33-37

[5] 基于三步搜索法的特征相关目标跟踪算法 [J].

张鹏 ;

卢广山 ;

王合龙 ;

田青 .

电光与控制, 2004, (04) :38-40

[6]

人群的密度估计与运动估计[D]. 杜娟.大连理工大学 2006

[7] A 3-D depth information based human motion pose tracking algorithms [J].

Yang, Kai ;

Wei, Benzheng ;

Wang, Qingxiang ;

Ren, Xiaoqiang ;

Xu, Yunfeng ;

Liu, Huaihui .

Sensors and Transducers, 2014, 174 (07) :253-260

[8] Real-Time Human Pose Recognition in Parts from Single Depth Images [J].

Shotton, Jamie ;

Sharp, Toby ;

Kipman, Alex ;

Fitzgibbon, Andrew ;

Finocchio, Mark ;

Blake, Andrew ;

Cook, Mat ;

Moore, Richard .

COMMUNICATIONS OF THE ACM, 2013, 56 (01) :116-124

[9] On Space-Time Interest Points [J].

Ivan Laptev .

International Journal of Computer Vision, 2005, 64 :107-123

[10]

Motion compensated interframe coding for video conferencing. Koga T, Iinuma K, Hirano A, et al. Proceedings of the National Telecommunications Conference . 1981

← 1 2 →