论文部分内容阅读
近年来,人体运动分析成为图像处理和计算机视觉领域中一个热点课题,它在人体动画、游戏、虚拟现实和增强现实、人机交互、视频监控、体育运动分析、辅助临床医疗诊断等领域都有着广阔的应用前景。人体运动分析研究核心是从图像序列中检测、跟踪人体,获取人体运动数据,重建人体运动或描述和理解人体运动。人体运动跟踪是其中非常关键和重要的一步,因此利用视频进行人体运动跟踪,具有极大的研究价值和现实应用前景。本文是围绕人体运动跟踪技术展开的研究,研究工作集中于对一段包含人体运动的普通的、无标记的单目视频中的人的肢体(包括躯干的在内)的运动进行跟踪,获取人体的二维关节点坐标序列。在归纳和总结国内外这一领域的研究现状,对比各种方法,分析人体运动跟踪的难点问题的基础上,本文提出了两种基于分块变化检测的人体肢体运动跟踪方法。主要研究成果如下:(1)提出一种分块区域检测的人体肢体运动跟踪方法。首先通过基于分块的帧间变化检测和二维人体块模型检测出人体运动区域,利用背景统计的技术从累积的帧差信息中构建出完整的背景区域,进而从运动区域中提取出头部和四肢的区域,通过区域形状分析确定各肢体区域的位置信息,从而判断出关节点的位置。实验证明,该方法可以对人体肢体的大幅度运动进行跟踪,而且计算的时间复杂度较低,具有较好的实时性。(2)提出一种模型块子区域运动分析的人体肢体运动跟踪方法。该方法的基本思想是针对变化检测提取出的目标的运动区域进行光流计算,并采用光流聚类分析算法将模型块划分为多个子区域,分别对它们进行运动分析。由模型块子区域的运动先对模型块的运动参数进行估算,然后通过模型块与变化区域匹配并结合颜色模板相似度算法获得模型块整体的运动信息,从而得到了关节点的位置。该算法提高了光流法跟踪的准确率,具有较好的实时性。两种方法都是通过在视频图像序列的首帧中人工标注人体的各个关节点进行初始化的。实验表明,本文提出的方法可以较好地跟踪人体肢体的运动,并可以克服一定的自遮挡问题,而且算法简单、成本低、效率高,具有较好的实用性。