国产精品1024永久观看,大尺度欧美暖暖视频在线观看,亚洲宅男精品一区在线观看,欧美日韩一区二区三区视频,2021中文字幕在线观看

  • <option id="fbvk0"></option>
    1. <rt id="fbvk0"><tr id="fbvk0"></tr></rt>
      <center id="fbvk0"><optgroup id="fbvk0"></optgroup></center>
      <center id="fbvk0"></center>

      <li id="fbvk0"><abbr id="fbvk0"><dl id="fbvk0"></dl></abbr></li>

      一種基于三維重建下的姿態(tài)識(shí)別的方法及系統(tǒng)與流程

      文檔序號(hào):12035120閱讀:561來源:國知局
      一種基于三維重建下的姿態(tài)識(shí)別的方法及系統(tǒng)與流程

      本發(fā)明涉及信息技術(shù)領(lǐng)域,具體涉及一種基于三維重建下的姿態(tài)識(shí)別的方法及系統(tǒng)。



      背景技術(shù):

      生物特征識(shí)別涉及到相關(guān)信息檢測(cè)手段,其可以利用人體所固有的姿態(tài)進(jìn)行識(shí)別,比如包括步態(tài)識(shí)別過程,步態(tài)識(shí)別過程通常涉及到人體檢測(cè)、步態(tài)特征提取以及身份識(shí)別等等。但復(fù)雜背景下的人體檢測(cè)和輪廓提取,必須涉及到相關(guān)的預(yù)處理過程,在檢測(cè)出人體目標(biāo)后,在進(jìn)行疊加處理,可以獲取步態(tài)特征圖。目標(biāo)跟蹤是計(jì)算機(jī)視覺研究領(lǐng)域中重要的基礎(chǔ)問題之一,在監(jiān)控、運(yùn)動(dòng)估計(jì)、人機(jī)交互等方面具有非常廣泛的應(yīng)用。近年來出現(xiàn)的許多跟蹤算法在一定的場(chǎng)景下能夠較好的跟蹤目標(biāo)物體,如粒子濾波、boosting算法、l1跟蹤算法等。但是,由于視頻是一個(gè)復(fù)雜場(chǎng)景下的時(shí)序圖像序列,復(fù)雜場(chǎng)景包括了光照變化、遮擋、動(dòng)作變形、背景雜亂、目標(biāo)尺度變化等,因此,構(gòu)建一個(gè)自適應(yīng)的目標(biāo)表達(dá)模型以便得到魯棒的跟蹤算法,是目前跟蹤領(lǐng)域的研究熱點(diǎn),也是難點(diǎn)問題。如何實(shí)現(xiàn)三維模型下的目標(biāo)跟蹤以及步態(tài)識(shí)別提取過程,變得尤為重要,需要針對(duì)這兩個(gè)技術(shù)進(jìn)行改進(jìn)而實(shí)現(xiàn)。



      技術(shù)實(shí)現(xiàn)要素:

      本發(fā)明提供了一種基于三維重建下的姿態(tài)識(shí)別的方法及系統(tǒng),該方法可以有效的實(shí)現(xiàn)視頻幀中的跟蹤,再提取視頻幀中的人體姿態(tài),實(shí)現(xiàn)步態(tài)識(shí)別過程。

      本發(fā)明提供了一種基于三維重建下的姿態(tài)識(shí)別的方法,包括如下步驟:

      基于單攝像機(jī)采集人體行走的視頻;

      對(duì)人體行走的視頻進(jìn)行步態(tài)運(yùn)動(dòng)分割和預(yù)處理;

      使用klt跟蹤器對(duì)視頻中的每一幀圖像的對(duì)應(yīng)特征點(diǎn)進(jìn)行跟蹤,設(shè)定視頻中兩幀數(shù)據(jù)之間的時(shí)間間隔是有限的小,特征點(diǎn)僅在位置上發(fā)生變化,亮度保持不變,以及計(jì)算出相鄰幀之間每個(gè)跟蹤特征點(diǎn)的向量方向,并用正弦值表示向量方向;

      計(jì)算視頻中的各個(gè)時(shí)刻下人體模型的三維空間;

      提取視頻中三維空間中人體的關(guān)節(jié)角度;

      采用基于支持向量機(jī)的步態(tài)識(shí)別方法進(jìn)行步態(tài)識(shí)別。

      所述使用klt跟蹤器對(duì)視頻中的每一幀圖像的對(duì)應(yīng)特征點(diǎn)進(jìn)行跟蹤包括:

      選取跟蹤時(shí)間最長所對(duì)應(yīng)的幀圖像最多的n個(gè)對(duì)應(yīng)特征點(diǎn);

      計(jì)算所述n個(gè)對(duì)應(yīng)特征點(diǎn)所在的幀圖像,并依照所含對(duì)應(yīng)特征點(diǎn)多、圖像之間間隔均勻的原則選取m幅幀圖像;

      建立觀測(cè)矩陣w,并基于小波變換將觀測(cè)矩陣w進(jìn)行分解處理。

      所述建立觀測(cè)矩陣w中的w為2m*2n矩陣,其中矩陣每一列為一個(gè)對(duì)應(yīng)特征點(diǎn)在m幅幀圖像上的對(duì)應(yīng)像素位置,矩陣每兩行為一幅幀圖像上n個(gè)特征點(diǎn)所對(duì)應(yīng)的像素坐標(biāo)。

      相應(yīng)的,本發(fā)明還提供了一種一種基于三維重建下的姿態(tài)識(shí)別的系統(tǒng),包括:

      采集模塊,用于基于單攝像機(jī)采集人體行走的視頻;

      預(yù)處理模塊,用于對(duì)人體行走的視頻進(jìn)行步態(tài)運(yùn)動(dòng)分割和預(yù)處理;

      跟蹤模塊,用于使用klt跟蹤器對(duì)視頻中的每一幀圖像的對(duì)應(yīng)特征點(diǎn)進(jìn)行跟蹤,設(shè)定視頻中兩幀數(shù)據(jù)之間的時(shí)間間隔是有限的小,特征點(diǎn)僅在位置上發(fā)生變化,亮度保持不變,以及計(jì)算出相鄰幀之間每個(gè)跟蹤特征點(diǎn)的向量方向,并用正弦值表示向量方向;

      計(jì)算模塊,用于計(jì)算視頻中的各個(gè)時(shí)刻下人體模型的三維空間;

      提取模塊,用于提取視頻中三維空間中人體的關(guān)節(jié)角度;

      識(shí)別模塊,用于采用基于支持向量機(jī)的步態(tài)識(shí)別方法進(jìn)行步態(tài)識(shí)別。

      所述跟蹤模塊還用于選取跟蹤時(shí)間最長所對(duì)應(yīng)的幀圖像最多的n個(gè)對(duì)應(yīng)特征點(diǎn);計(jì)算所述n個(gè)對(duì)應(yīng)特征點(diǎn)所在的幀圖像,并依照所含對(duì)應(yīng)特征點(diǎn)多、圖像之間間隔均勻的原則選取m幅幀圖像;建立觀測(cè)矩陣w,并基于小波變換將觀測(cè)矩陣w進(jìn)行分解處理。

      所述建立觀測(cè)矩陣w中的w為2m*2n矩陣,其中矩陣每一列為一個(gè)對(duì)應(yīng)特征點(diǎn)在m幅幀圖像上的對(duì)應(yīng)像素位置,矩陣每兩行為一幅幀圖像上n個(gè)特征點(diǎn)所對(duì)應(yīng)的像素坐標(biāo)。

      在本發(fā)明中,單攝像機(jī)實(shí)現(xiàn)對(duì)人體行走視頻幀的采集,然后進(jìn)行預(yù)處理,實(shí)現(xiàn)視頻幀分割處理,再采用klt技術(shù)實(shí)現(xiàn)對(duì)相關(guān)特征點(diǎn)的跟蹤,計(jì)算出人體模型下的三維空間,實(shí)現(xiàn)三維模型空間,以及步態(tài)識(shí)別過程,提高了跟蹤效果精度和優(yōu)化了人體識(shí)別過程。

      附圖說明

      為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案,下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡單地介紹,顯而易見地,下面描述中的附圖僅僅是本發(fā)明的一些實(shí)施例,對(duì)于本領(lǐng)域普通技術(shù)人員來講,在不付出創(chuàng)造性勞動(dòng)的前提下,還可以根據(jù)這些附圖獲得其它的附圖。

      圖1是本發(fā)明實(shí)施例中的基于三維重建下的姿態(tài)識(shí)別的方法流程圖;

      圖2是本發(fā)明實(shí)施例中的基于三維重建下的姿態(tài)識(shí)別的系統(tǒng)結(jié)構(gòu)示意圖。

      具體實(shí)施方式

      下面將結(jié)合本發(fā)明實(shí)施例中的附圖,對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述,顯然,所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例,而不是全部的實(shí)施例。基于本發(fā)明中的實(shí)施例,本領(lǐng)域普通技術(shù)人員在沒有作出創(chuàng)造性勞動(dòng)前提下所獲得的所有其它實(shí)施例,都屬于本發(fā)明保護(hù)的范圍。

      相應(yīng)的,圖1示出了本發(fā)明實(shí)施例中的基于三維重建下的姿態(tài)識(shí)別的方法流程圖,具體包括如下步驟:

      s101、基于單攝像機(jī)采集人體行走的視頻;

      本發(fā)明實(shí)施例通過對(duì)人體進(jìn)行跟蹤,根據(jù)跟蹤結(jié)果運(yùn)用步態(tài)知識(shí)進(jìn)行三維步態(tài)重建,然后提取出步態(tài)特征進(jìn)行步態(tài)識(shí)別。

      s102、對(duì)人體行走的視頻進(jìn)行步態(tài)運(yùn)動(dòng)分割和預(yù)處理;

      具體實(shí)施過程中,預(yù)處理中,在跟蹤過程中需要得到前一幀模型的結(jié)果,但是在跟蹤開始時(shí),前一幀的模型是不存在的,這就需要對(duì)模型進(jìn)行初始化,本發(fā)明利用捕捉區(qū)域的辦法對(duì)模型進(jìn)行初始化,另外捕捉區(qū)域的方法還可以估計(jì)人體的形狀和大小。捕捉區(qū)域的原理是在背景剪切之后,用邊界檢測(cè)算法提取邊緣。

      s103、使用klt跟蹤器對(duì)視頻中的每一幀圖像的對(duì)應(yīng)特征點(diǎn)進(jìn)行跟蹤;

      具體實(shí)施過程中,klt為kanade-lucas-tomasi字頭縮寫,設(shè)定視頻中兩幀數(shù)據(jù)之間的時(shí)間間隔是有限的小,特征點(diǎn)僅在位置上發(fā)生變化,亮度保持不變,以及計(jì)算出相鄰幀之間每個(gè)跟蹤特征點(diǎn)的向量方向,并用正弦值表示向量方向。

      進(jìn)一步的,選取跟蹤時(shí)間最長所對(duì)應(yīng)的幀圖像最多的n個(gè)對(duì)應(yīng)特征點(diǎn);計(jì)算所述n個(gè)對(duì)應(yīng)特征點(diǎn)所在的幀圖像,并依照所含對(duì)應(yīng)特征點(diǎn)多、圖像之間間隔均勻的原則選取m幅幀圖像;建立觀測(cè)矩陣w,并基于小波變換將觀測(cè)矩陣w進(jìn)行分解處理。該建立觀測(cè)矩陣w中的w為2m*2n矩陣,其中矩陣每一列為一個(gè)對(duì)應(yīng)特征點(diǎn)在m幅幀圖像上的對(duì)應(yīng)像素位置,矩陣每兩行為一幅幀圖像上n個(gè)特征點(diǎn)所對(duì)應(yīng)的像素坐標(biāo)。

      s104、計(jì)算視頻中的各個(gè)時(shí)刻下人體模型的三維空間;

      s105、提取視頻中三維空間中人體的關(guān)節(jié)角度;

      s106、采用基于支持向量機(jī)的步態(tài)識(shí)別方法進(jìn)行步態(tài)識(shí)別。

      支持向量機(jī)(supportvectormachine,svm)是新近發(fā)展的及其學(xué)習(xí)方法,它通過結(jié)構(gòu)風(fēng)險(xiǎn)最小化原則建模,將期望風(fēng)險(xiǎn)降至最低,使其模型識(shí)別力顯著提高,該識(shí)別方法能夠較好地解決小樣本學(xué)習(xí)問題。支持向量機(jī)的主要思想是:尋找一個(gè)滿足分類要求的最優(yōu)分類超平面,使得該超平面在保證分類精度的同時(shí),能夠使超平面的間隔最大化。支持向量機(jī)能夠?qū)崿F(xiàn)對(duì)線性可分?jǐn)?shù)據(jù)的最優(yōu)分類。

      由此可見,單攝像機(jī)實(shí)現(xiàn)對(duì)人體行走視頻幀的采集,然后進(jìn)行預(yù)處理,實(shí)現(xiàn)視頻幀分割處理,再采用klt技術(shù)實(shí)現(xiàn)對(duì)相關(guān)特征點(diǎn)的跟蹤,計(jì)算出人體模型下的三維空間,實(shí)現(xiàn)三維模型空間,以及步態(tài)識(shí)別過程,提高了跟蹤效果精度和優(yōu)化了人體識(shí)別過程。

      相應(yīng)的,圖2示出了本發(fā)明實(shí)施例中的基于三維重建下的姿態(tài)識(shí)別的系統(tǒng)結(jié)構(gòu)示意圖,包括:

      采集模塊,用于基于單攝像機(jī)采集人體行走的視頻;

      預(yù)處理模塊,用于對(duì)人體行走的視頻進(jìn)行步態(tài)運(yùn)動(dòng)分割和預(yù)處理;

      跟蹤模塊,用于使用klt跟蹤器對(duì)視頻中的每一幀圖像的對(duì)應(yīng)特征點(diǎn)進(jìn)行跟蹤,設(shè)定視頻中兩幀數(shù)據(jù)之間的時(shí)間間隔是有限的小,特征點(diǎn)僅在位置上發(fā)生變化,亮度保持不變,以及計(jì)算出相鄰幀之間每個(gè)跟蹤特征點(diǎn)的向量方向,并用正弦值表示向量方向;

      計(jì)算模塊,用于計(jì)算視頻中的各個(gè)時(shí)刻下人體模型的三維空間;

      提取模塊,用于提取視頻中三維空間中人體的關(guān)節(jié)角度;

      識(shí)別模塊,用于采用基于支持向量機(jī)的步態(tài)識(shí)別方法進(jìn)行步態(tài)識(shí)別。

      所述跟蹤模塊還用于選取跟蹤時(shí)間最長所對(duì)應(yīng)的幀圖像最多的n個(gè)對(duì)應(yīng)特征點(diǎn);計(jì)算所述n個(gè)對(duì)應(yīng)特征點(diǎn)所在的幀圖像,并依照所含對(duì)應(yīng)特征點(diǎn)多、圖像之間間隔均勻的原則選取m幅幀圖像;建立觀測(cè)矩陣w,并基于小波變換將觀測(cè)矩陣w進(jìn)行分解處理。

      所述建立觀測(cè)矩陣w中的w為2m*2n矩陣,其中矩陣每一列為一個(gè)對(duì)應(yīng)特征點(diǎn)在m幅幀圖像上的對(duì)應(yīng)像素位置,矩陣每兩行為一幅幀圖像上n個(gè)特征點(diǎn)所對(duì)應(yīng)的像素坐標(biāo)。

      綜上,單攝像機(jī)實(shí)現(xiàn)對(duì)人體行走視頻幀的采集,然后進(jìn)行預(yù)處理,實(shí)現(xiàn)視頻幀分割處理,再采用klt技術(shù)實(shí)現(xiàn)對(duì)相關(guān)特征點(diǎn)的跟蹤,計(jì)算出人體模型下的三維空間,實(shí)現(xiàn)三維模型空間,以及步態(tài)識(shí)別過程,提高了跟蹤效果精度和優(yōu)化了人體識(shí)別過程。

      本領(lǐng)域普通技術(shù)人員可以理解上述實(shí)施例的各種方法中的全部或部分步驟是可以通過程序來指令相關(guān)的硬件來完成,該程序可以存儲(chǔ)于計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)中,存儲(chǔ)介質(zhì)可以包括:只讀存儲(chǔ)器(rom,readonlymemory)、隨機(jī)存取存儲(chǔ)器(ram,randomaccessmemory)、磁盤或光盤等。

      以上對(duì)本發(fā)明實(shí)施例所提供的基于三維重建下的姿態(tài)識(shí)別的方法及系統(tǒng)進(jìn)行了詳細(xì)介紹,本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述,以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想;同時(shí),對(duì)于本領(lǐng)域的一般技術(shù)人員,依據(jù)本發(fā)明的思想,在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處,綜上所述,本說明書內(nèi)容不應(yīng)理解為對(duì)本發(fā)明的限制。

      當(dāng)前第1頁1 2 
      網(wǎng)友詢問留言 已有0條留言
      • 還沒有人留言評(píng)論。精彩留言會(huì)獲得點(diǎn)贊!
      1