论文部分内容阅读
目前在视频监控、人机交互和虚拟现实等诸多数字图像处理和计算机视觉的应用领域中,人体动作和行为的识别与分析是不可缺少的关键环节,有着极高的研究价值和非常迫切的应用需求。人体姿态估计是人体动作和行为的识别与分析的一个基础问题,主要包含建立人体模型、建立部位外观模型、减小部位搜索空间和优化推理算法等四个方面的研究内容。人体模型是对部位定位状态对应外观特征及不同部位之间外观特征和空间位置的关联情况的描述,人体模型是否能准确地反映人体的真实情况对人体姿态估计的准确度有着很大的影响。本文采用人体姿态估计领域最成熟且应用最广的树形图结构模型作为人体模型,采用基于广义距离变换的最小和算法作为其推理算法。 本文对基于HOG、颜色特征及其融合建立部位外观模型进行了研究。为准确识别人体部位,人体部位的HOG特征需要能在恰当描述其整体轮廓的同时有效抑制细节特征,不同大小的人体部位需要不同的细胞单元尺寸来实现这一目标,本文通过训练图像所标注的部位区域与外观模型相似度均值的极大化来估计不同部位细胞单元的最优尺寸。人体部位的边缘在识别时起着主要的作用,而训练图像标注的部位区域中部位未占据的区域以及部位内部区域所起的作用并不太大。对于人体着装统一的特定场合,不同人体同一部位具有几乎完全相同的轮廓,本文利用递归支持向量机(R-SVM)算法来剔除在识别人体部位时作用较小的图像区域对应的HOG块特征,利用支持向量数据描述(SVDD)算法对剩余的HOG块构造超球体,根据部位定位状态与超球体球心的距离构造相似度计算器,建立了基于R-SVM和GVDD的部位外观模型;对于人体着装不统一的一般场合,由于人体着装和体型的变化,不同人体同一部位的轮廓具有较大的不同,并不能准确剔除在识别人体部位时作用较小的图像区域对应的HOG块,本文利用SVDD算法对训练图像所标注的部位区域的每个HOG块都构造子相似度计算器,将所有子相似度计算器按不同权值进行线性组合构造相似度计算器,建立了基于SVDD和线性组合的部位外观模型。由于人体姿态的变化,不同待处理图像中人体部位相对于人体上半身的定位往往有很大的不同,为了更准确地体现人体部位的特定定位,本文利用减小后的部位搜索空间中的定位状态学习部位定位概率,将根据定位概率计算的颜色直方图作为部位的初始外观模型,为体现人体不同部位之间的颜色特征的关联性,将各部位的初始外观模型按不同权值进行线性组合建立了基于颜色特征的部位外观模型。 本文分别基于HOG和颜色特征的两种部位外观模型按照不同权值进行线性组合,建立了基于线性组合的部位外观模型,权值的不同反映了两种图像特征在识别部位时所起的不同作用;对于光照条件很差或人体部位与背景的颜色对比度很低的待处理图像,所有部位定位状态的颜色区分度较低,它们与基于颜色特征的部位外观模型的相似度均较高,使得所建立的基于线性组合的部位外观模型中HOG特征所起的作用反而小于颜色特征,降低了人体部位的识别效果。本文将部位定位状态对应的HOG和颜色直方图特征组合而成的特征向量作为样本,利用模糊k-均值算法收敛后的聚类中心建立了基于模糊 k-均值算法的部位外观模型,聚类中心的变化主要是由HOG特征的变化所引起,反映了HOG特征在建立部位外观模型的过程中所起的主要作用。人体姿态估计是一个在搜索空间中进行搜索以寻找人体最佳姿态的过程,搜索空间的大小对人体姿态估计算法的收敛速度和估计准确度都有着很大的影响,提出了一种基于先验分布的部位搜索空间减小算法。算法通过两个步骤来减小部位搜索空间,首先根据人体上半身检测框的尺寸来确定人体部位的尺寸,降低了部位定位状态的维数,从而减小了部位搜索空间;然后根据先验分布确定部位定位区域,通过邻域归并和剔除相似度小于阈值的部位定位状态来进一步减小部位搜索空间。仿真实验结果表明,本文所建立的部位外观模型能更准确地描述真实人体部位的外观特征,所提出的部位搜索空间减小方法可有效减小部位的搜索空间。将所提部位外观模型和部位搜索空间减小方法用于人体姿态估计时,对具有不同光照条件、不同人体大小和姿态以及不同复杂程度背景的图像都可以得到准确度较高的人体姿态估计结果。