人體運動的視覺重建與識別.pdf

1、人體運動分析是計算機視覺領域的一項前沿課題，其研究目標是使計算機能夠基于人體結構、人體運動等先驗知識，自動地從圖像中檢測和發(fā)現(xiàn)人并重建人體運動，最終達到在語義層上對人體運動行為的感知和理解。研究涉及多個學科領域，在人機交互、安全監(jiān)控、虛擬現(xiàn)實、醫(yī)學、體育等方面有廣泛的應用。本論文工作主要圍繞人體運動視覺分析中的兩個重點內(nèi)容:人體運動三維重建和人體運動的語義識別展開。主要研究成果如下:
　　(1)針對由單目非標定攝像機引發(fā)的病態(tài)性，

2、以及狀態(tài)空間高維特性引發(fā)的維數(shù)災難，論文提出了進化計算框架內(nèi)的生成式算法:層級退火遺傳算法(HAGA)。算法提供了一般意義下具有分層特性的狀態(tài)空間的最優(yōu)解搜索機制。對于具有高維非線性狀態(tài)空間特性的人體運動重建，首先在運動捕獲數(shù)據(jù)上提取人體運動的分層狀態(tài)子空間，優(yōu)化搜索在低維子空間內(nèi)進行，不僅降低了維數(shù)，而且提取了人體運動的先驗知識。HAGA結合了模擬退火和遺傳算法機制，利用似然度函數(shù)對子空間高層維度上的狀態(tài)變化更為敏感的特性進行分層優(yōu)化

3、搜索，降低計算復雜度的同時有效提升了姿態(tài)估計的精度。
　　(2)在診斷式框架下，論文提出了基于角點的新的特征表示，同時編碼了肢體位置、視覺表觀和局部結構信息，可捕獲局部結構的空間共生和上下文信息，得到的描述子具有光照和位置不變性。論文把診斷式三維人體運動重建中特征、算法、傳感器配置納入一個框架內(nèi)綜合考慮。傳感器配置上把單目重建擴展到了多目情形，重建精度得到了有效提升，這是在診斷式框架內(nèi)融合多目信息的極少嘗試之一。論文同時也評估了視

4、覺信息的數(shù)量和質(zhì)量、算法以及多目信息融合對系統(tǒng)性能的影響，可為人體運動重建系統(tǒng)的設計提供重要的指導和參考。
　　(3)針對單目重建中狀態(tài)后驗分布的多模性難點，論文提出了一種新的狀態(tài)后驗分布模型:局部時空高斯過程專家模型。把輸入相關的狀態(tài)空間分割為若干局部區(qū)域，每個區(qū)域的后驗分布由一個局部高斯過程專家主導，模型定義在統(tǒng)一的輸入-輸出空間內(nèi)，可更靈活有效地處理雙向多模分布。同時構建了時域鏈上的局部高斯過程專家模型，整合時域和空域專家進

5、行狀態(tài)后驗分布建模。人體運動的動態(tài)特性使狀態(tài)在狀態(tài)空間內(nèi)沿特定流形分布，使用時域專家不僅可消除多模性，還能挖掘輸出空間內(nèi)潛在的上下文信息。
　　(4)為從實驗角度增加對人體運動視覺重建研究現(xiàn)狀的“能見度”，論文對人體運動重建方法現(xiàn)狀進行了系統(tǒng)回顧與實驗評估。論文對兩類重建框架內(nèi)的代表性方法進行了定量的實驗評估和比較。評估采用統(tǒng)一的誤差度量和數(shù)據(jù)庫。為進行本次評估，特組織構建了一個人體姿態(tài)估計與動作識別的大型數(shù)據(jù)庫。這是目前學界最全

6、面的對兩種框架內(nèi)代表性方法的評估和分析，為發(fā)現(xiàn)潛在有價值的研究方向提供了有益的導向和參考。
　　(5)在人體運動識別研究方面，論文提出了基于稀疏編碼和局部時空特征的人體動作識別方法。論文通過稀疏編碼構建人體運動識別高區(qū)分度的碼本和特征表達，視覺信號的基本表示單元為時空局部特征向量。由于從圖像中很難得到的語義信息往往可以從文字信息中輕松獲取，為充分利用文本信息，以輔助識別人體運動，論文提出了靜態(tài)文本和運動字幕檢測的新方法，使用角點這