基于雙目的人體運動分析與識別.pdf

1、社會的文明程度和人本身息息相關(guān),從社會心理學角度上來說,人們越來越關(guān)注自身和自身所處的環(huán)境,這勢必會促使人們探索一種觀察模式來反映自身及周圍的情況。人體運動分析與識別應運而生。人體運動分析與仿真、數(shù)字娛樂、醫(yī)療服務(wù)、圖像精確定位等等,都離不開人體運動分析與識別,因而具有巨大的經(jīng)濟價值和社會價值。隨著計算機硬件成本的不斷下降,計算能力的不斷提高,人體運動識別更是得到了空前的發(fā)展。在計算機視覺的研究領(lǐng)域中,由于它涉及到了視覺計算、機器學習、

2、數(shù)字圖像處理等多門學科,必將充滿各種挑戰(zhàn)。近幾年來,人們熱衷于從視頻中研究分析人體的運動,主要包括簡單動作的識別,比如人的姿態(tài)、表情等。分析過程中,研究方法簡便,但是準確度不高,或者研究方法復雜,空間復雜度和時間復雜度高。
　　本文提出了一種新的識別方法-基于雙目的人體運動分析與識別。目前的研究表明,關(guān)于雙目的研究主要集中在空間信息復原上。而本文借助雙目的優(yōu)勢,從視差圖入手,提取特征來表征相關(guān)人體運動信息。同時,為了提高識別的準確

3、率,利用了人體運動的輪廓特征。深度特征和輪廓特征通過一定的特征融合方法組合起來,共同表征人體運動的特點。最后利用相關(guān)機器學習算法:樸素貝葉斯分類、支持向量機等,來構(gòu)建一個人體運動識別模型。本文所做的主要工作如下:
　　(1)從實現(xiàn)場合和所應用的技術(shù)方面,研究和分析了視差圖,總結(jié)比較了一些當今流行的視差圖生成技術(shù)。主要涉及到了三種立體匹配算法的分析:塊匹配算法(BM),半全局匹配算法(SGBM)和圖割匹配算法(GC)。通過比較這三者

4、的匹配效果和執(zhí)行速度,折中選擇SGBM來作為本系統(tǒng)的立體匹配算法。
　　(2)在特征提取上,重點對視差圖進行了處理。在某些情況下,生成的視差圖灰度分布不均勻,本文采取直方圖均衡化的方法來處理。使灰度均勻分布。同時經(jīng)過均衡化處理后,以該視差圖的灰度直方圖作為它的特征,也能很好的表征該人體動作。
　　(3)基于視差圖的特征提取后,選用目前比較流行的機器學習算法-支持向量機,來建立識別模型。構(gòu)建模型的過程中,用到了 LIBSVM軟