深度圖像中人體姿態(tài)估計研究.pdf

1、視頻監(jiān)控中的人體在計算機視覺領域的關注度較高，并且人體姿態(tài)估計是在計算機視覺領域有廣泛運用前景的研究課題，所以在計算機視覺方向中人體姿態(tài)估計已成一個非常重要的研究熱點。受到人體姿態(tài)的多種多樣、遮擋與自遮擋、光照等問題的影響，現存的人體姿態(tài)估計技術尚無在魯棒性和運行效率方面都令人非常滿意的解決方案。
　　本文針對這一問題，以深度圖像為基礎，提出了一種利用深度圖像的光照不變性、空間信息一致性等優(yōu)勢的人體姿態(tài)估計方法。
　　首先由

2、于傳統(tǒng)的圖像特征提取方法并不適合人體姿態(tài)估計這一領域，本文利用深度圖像與傳統(tǒng) RGB圖像相比不易受到光照變化、背景復雜以及人體服裝的差異較大的影響，提出了一種基于深度圖像梯度（Gradient of Depth，GoD）的特征提取方法。該方法利用圖像中深度信息計算出每個像素點在水平方向和垂直方向的梯度值；其次計算每個像素點與鄰域內像素點之間的差值，從而得到一個四維特征。將人體姿態(tài)估計這一問題簡化為單純的深度信息的人體部件分類。通過實驗證

3、明，不僅在準確率上有著明顯的提升，并且具有更強的魯棒性。
　　其次，由于人體姿態(tài)估計的最終目標是應用在現實場景，因此在運行效率上具有較高的要求。本文以降低測試階段的時間為目的，在原有的隨機森林基礎上，通過對決策樹的權重排序和在測試階段減少參與最后決策的決策樹的方法優(yōu)化了隨機森林，并通過實驗驗證了在沒有降低準確率的情況下，在測試階段減少了時間開銷。
　　最后總結了論文的研究內容，同時指出了研究中的不足之處，并且進行了對后期工作