论文部分内容阅读
基于视觉的人体姿态恢复是计算机视觉领域的一个重要而有挑战性的问题,在智能监控、人机交互、视频语义标注等领域有着广泛的应用。人体姿态恢复固有的复杂性,譬如姿态描述的高维度、人体外形的多样性等,使得该问题经过了多年研究依然没有完全解决。 本文提出了一种基于有监督流形学习的特征降维算法,用以解决从单目摄像头视频序列中恢复三维人体姿态的问题。在算法中视觉特征的低维表达通过谱嵌入求出,并结合了姿态间距离关系的监督信息,使得获得的低维表达既保留了视觉特征空间的局部性,又考虑了姿态空间的相似性。为解决采样外数据的问题,本文从低维嵌入中得到全局线性投影矩阵,使得经过线性变换后的低维特征空间的欧式距离可以真实反映对应姿态之间的距离。 本文的创新点在于:扩展了传统的无监督谱嵌入流形学习算法,结合姿态空间的信息,使得恢复准确性相对于基准算法有了较为明显的改进。基于HumanEva数据集的实验结果验证了本文提出算法的有效性。