基于图结构模型的人体姿态估计研究

《基于图结构模型的人体姿态估计研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于（申请工学硕士学位论文）图结构模型的人基于图结构模型的人体体姿态姿态估计研究估计研究培养单位：信息工程学院胡学科专业：通信与信息系统刚研究生：胡刚指导教师：苏杨副教授武汉理工大学2014年5月万方数据分类号密级公开UDC学校代码10497学位论文题目基于图结构模型的人体姿态估计研究英文ResearchofHumanPose题目EstimationBasedonPictorialStructureModels研究生姓名胡刚姓名苏杨职称副教授学位硕士指导教师单位名称信息工程学院邮编430070申请学位级别

2、硕士学科专业名称通信与信息系统论文提交日期2014年4月论文答辩日期2014年5月学位授予单位武汉理工大学学位授予日期2014年6月答辩委员会主席刘泉评阅人刘泉吕锋2014年5月万方数据独创性声明本人声明，所呈交的论文是本人在导师指导下进行的研究工作及取得的研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得武汉理工大学或其他教育机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示了谢意。签

3、名：日期：学位论文使用授权书本人完全了解武汉理工大学有关保留、使用学位论文的规定，即学校有权保留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅。本人承诺所提交的学位论文（含电子学位论文）为答辩后经修改的最终定稿学位论文，并授权武汉理工大学可以将本学位论文的全部内容编入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存或汇编本学位论文。同时授权经武汉理工大学认可的国家有关机构或论文数据库使用或收录本学位论文，并向社会公众提供信息服务。（保密的论文在解密后应遵守此规定）研究生（签名

4、）：导师（签名）：日期万方数据武汉理工大学硕士论文摘要人体姿态估计是从图片中获取人体各个部件的位置、大小和方向等信息。它可以应用于智能监控、高级人机交互以及图片检索标注等方面，因此该研究是近来机器学习领域的一个热门问题。由于人体及人体姿态的多样性，在姿态估计中要涉及多个视场角度，对其进行有效表征需要建立多个模型，对其求解要花费大量的计算资源。目前，人体姿态估计最有效的方法是基于图结构（PictorialStructure，即PS）模型的方法。该方法基于图模型将人体表示为一些部件以及相连部件间的连接，其中部

5、件由外观模型决定，相连部件间的连接由变形模型描述。基于该模型，人体的姿态可通过图推理获得。该模型中，外观模型和变形模型可以单独建模，使得该模型具有很大的灵活性。本文以PS模型为基础，展开了相关研究与改进，以更好的实现人体姿态估计，主要的工作如下：（1）基于图模型分析了姿态估计的两个常用模型DPM和PS模型的原理，通过比较分析，得出PS模型更适于人体姿态估计，并采用通用的评价标准来评价算法的性能。（2）为了克服经典PS模型对人体模型的表现不足以及人体姿态搜索空间过大的问题，基于弹簧模型，提出了对相邻部件中子

6、部件的方向与该相邻部件的空间相对位置之间的关系进行建模的人体姿态估计方法，即PS混合模型方法。该模型抓住了人体部件之间的局部刚性特征，利用了人体的更多的先验知识。在Buffy和Parse图片库上做实验并进行了分析。实验结果表明，该方法可以提高人体姿态估计的准确性。（3）针对单帧图片中一些姿态过于相似而难以区分的问题，基于连续帧图片的时间连续性，提出了在骨架姿态中引入关节的局部动作信息来进行人体姿态估计的方法。该方法采用3D时空梯度方向直方图特征来描述关节的局部动作信息，并结合人体骨架姿态组成运动姿态，采用

7、视觉词袋模型将运动姿态进行聚类分析得到视觉单词，将连续帧图片描述为视觉单词的词频直方图特征，并传入分类器进行训练及分类。在KTH、UCF-Sports和Weizmann数据集上进行实验和分析。实验结果表明，该方法可以提高人体姿态估计的准确性。I万方数据武汉理工大学硕士论文关键词：人体姿态估计，PS模型，支持向量机，梯度直方图，PS混合模型，运动姿态II万方数据武汉理工大学硕士论文AbstractThepurposeofhumanposeestimationisdetectingtheposition,sc

8、aleanddirectionofpartsofhumanbody.Ithasawiderangeofpotentialapplications,includingintelligentmonitoring,advancedman-machineinteraction,imageannotationandsoon,makingitarguablyoneofthepopularproblemsinmachinelearningv