您好、欢迎来到现金彩票网!
当前位置:21点 > 姿态识别 >

视频中关键人体姿态的识别

发布时间:2019-07-04 04:03 来源:未知 编辑:admin

  视频中关键人体姿态的识别_电子/电路_工程科技_专业资料。视频理解是当前计算机视觉领域中的研究热点.提高监控视频的计算效率和人体姿态的识别精度仍然是挑战,本文提出一种识别视频关键帧中人体姿态的方法.首先通过计算视频中帧间的覆盖率和失真率,提取关键帧;然后抽取关键帧中人体姿态轮廓的多种特征,建立多特征融合的姿态描述算子;在自采集和公用

  小型微型计算机系统 Joumal of Ctlinese Computer Systems 2014年1月第1期 V01.35 No.1 2014 视频中关键人体姿态的识别 黄鲜萍1,王万良1,占怡莹1,郑莉莉2,梁荣华1 1(浙江工业大学计算机科学与技术学院,杭州3l∞23) 2(杭州联合银行,杭州310024) E—mail:hxp@zjut.edu.cn 摘要:视频理解是当前计算机视觉领域中的研究热点.提高监控视频的计算效率和人体姿态的识剐精度仍然是挑战,本文提 出一种识别视频关键帧中人体姿态的方法.首先通过计算视频中帧间的覆盖率和失真率,提取关键帧;然后抽取关键帧中人体 姿态轮廓的多种特征,建立多特征融合的姿态描述算子;在自采集和公用数据上构建标准姿态的特征库,用于训练基于支持向 量机的多类分类器,以实现人体姿态的识别.实验表明,本文方法实现了11种人体运动姿态的识别,在识别效率和精度上具有 令人满意的结果. 关键词:关键帧;姿态识别;覆盖率;失真率;多特征融合;支持向量机 中图分类号:m9l Key 文献标识码:A 文章编号:1000?1220(2014)0l旬167_05 Videos H岫an Po咖res RecogIIiti蚰in HUANG)(i弛一piIl91,WANG W姐.1iaJl91。zI{AN Yi-yin91,ZⅢ烈G Li—li2,UANG Rong-hual 1(College ofcomputer Science aIld T钯}IIlology,zlleji卸gumv懿ity of Tectulology。H锄gzlIou 310023-china) 2{H柚gzllou Unit酣Rllml C00peradve BaIll【,H锄gzIlou 310024。china) Abst髓ct:Machine understaIlding of vide0 is talion ef!ficiency for vidcos柚d a hot study area in computcr Vision_It’s still keepirIg m surveill锄ce.IIl this are a ctIallenge to irIlpIDVe me compu- proposed to recogm蒯on accllracy key仃锄es f蛔n a fbr h哪柚acdons paper,柚alg耐tllIn is recogIlize hllman body postIIres iIl tion vid∞.FirsⅡy,key f}锄1es a ex廿acted by compudI堰coVerage mte and distor. are ex- rate锄ong疳锄es in a video.Then。we consnllct postIlrc descriptor wittl muldple featIlres fusion.The multiple featllres 仃acted hDm posture sil|louene in me key缸lme.Mul6一catcgories supported Vector machine classifier library t0 recogIlize t}le dif!1.erent human posmres.The featIlre Ubmry is cons廿Ilcted on is嘶ned witll a standard f色atIlre a the public available d暑Ita【ba∞锄d pan of sem collec刷damm.The emciency Key words:key results demons的te tllat 11 di船托nt h啪姐postIll璐c姐be玎ecogn砌usiIlgⅡle pmposed memod wim salis匆iIlg rate;mllldple feanlres fusion;supported Vector maclline aIld accuracy. f}锄e;posmre recogllition;coVemge rate;dist咖on l 引 言 概率的过程,该算法能够避免对时间间隔建模的问题,但是需 要训练样本大,计算复杂度高. 本针对监控场景中固定摄像头的视频,首先采用了一种 基于视频内容分析的关键帧提取算法,通过计算视频帧序列 的覆盖率和失线,选择视频序列中包含信息最多的关键 帧序列;然后提取关键帧中的多姿态特征,采用支持向量机 的多类分类器对11种姿态进行训练和分类.多特征融合的姿 态描述算子能够较为准确地描述出人体姿态,克服了模板匹 配法对时间间隔的敏感,增强了算法的鲁棒性和精确性.原始 视频中的图像序列计算后压缩为视频中关键的人体姿态的语 义描述序列,与状态空间法相比,计算复杂度低,并有利于对 视频中人体行为内容的快速理解. 近几年来,人们对视频监控智能化的需求越来越高,希望 通过智能分析从视频中提取更多的信息,应用于人们的生活 和工作中的各个领域.视频中的人体姿态识别¨剖在安防监 控、智能家居、人机交互、运动员辅助训练等应用领域有着重 要的研究意义. 现有的人体姿态识别通常采用两种方法:模板匹配法和 状态空间法H o.模板匹配法口再1是将图像序列转换为一组静 态形状模式,然后在识别过程中用预先存储的行为标本来解 释图像序列中人的运动,该算法的优点是计算复杂度低,实现 简单,但是对行为的时间间隔敏感,鲁棒性差.状态空间 法¨’81用状态空间模型定义每个静态姿势并作为一个状态, 这些状态之间通过某种概率联系起来,每个运动序列可以看 作为这些静态姿势不同状态之间的一次遍历,并计算其联合 2基于视频内

http://hitomisiri.com/zitaishibie/261.html
锟斤拷锟斤拷锟斤拷QQ微锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷锟斤拷微锟斤拷
关于我们|联系我们|版权声明|网站地图|
Copyright © 2002-2019 现金彩票 版权所有