基于条件先验人体模型的人体姿态估计

人体姿态估计算法中的人体模型是对人体部位或关节间外观和空间关联情况的数学描述。虽然当前已经有部分人体模型在建立时考虑到了部位或关节的空间定位会满足一定的先验分布，但却都将基于同样先验分布建立的人体模型用于不同待处理图片进行人体姿态估计，并没有考虑到不同图片中的实际定位对先验分布服从程度的不同。为此，提出了一种基于条件先验的人体模型，在人体模型中添加自适应调节参数，参数值根据待处理图片中关节可能定位与外观模型相似度的大小来确定，从而达到根据待处理图片自适应调节先验分布在计算关节定位概率时所起作用大小的目的。将基于条件先验的人体模型用于人体姿态估计，仿真实验表明，与现有基于先验的人体模型相比，所提人体模型用于人体姿态估计时获得了更高的估计准确度。     

基于多流卷积神经网络的行为识别

人体行为识别与人体姿态有很强的相关性,由于许多公开的行为识别的数据集并未提供相关姿态数据,因此很少有将姿态数据进行训练并与其它模态进行融合的识别方法.针对当今主流基于深度学习的人体行为识别方法采用RGB与光流融合的现状,提出一种融合人体姿态特征的多流卷积神经网络人体行为识别算法.首先,用姿态估计算法从包含人的静态图片生成人体关键点数据,并对关键点连接构建姿态;其次,分别将RGB、光流、姿态数据对多流卷积神经网络进行训练,并进行分数融合;最后,在UCF101与HMDB51数据集进行了大量的消融,识别精度等方面的实验研究.实验结果表明,融合了姿态图像的多流卷积神经网络在UCF101与HMDB51数据集的实验精度分别提高了2.3％和3.1％.实验结果验证了提出算法的有效性.     

一种适用于低测量噪声系统的粒子滤波算法

针对常规粒子滤波算法使用先验密度函数来采样粒子,从而使粒子分布依赖动态模型来降低估计精度 的问题,以基于观测量相似函数采样的相似采样粒子滤波为基础,提出一种改进的粒子相关性预采样相似采样粒子 滤波算法．在系统测量噪声较小的情况下,利用相似采样获得更加贴近真实后验分布的粒子来提高估计精度;而相 关性预采样则通过计算相邻时刻粒子的转移概率并淘汰概率较低的粒子来提高粒子利用效率,在保证估计精度的同 时显著降低粒子数量需求．设计了算法的重要性密度函数并推导了权值递推公式．通过蒙特卡洛仿真分析了本文提 出的算法．最后通过一个混合坐标系下的目标跟踪实例阐述了算法的应用．     

基于多级动态模型的2维人体姿态估计

提出一种利用多级动态模型来估计单目视频中的人体姿态的方法.首先,构建了一种多级动态人体姿态模型,该模型将人体姿态视为各部位姿态的铰接组合,用部位姿态的最优估计来逼近整体姿态的最优估计,从而解决了整体姿态估计带来的歧义性问题.其次,提出了一种通过构建虚拟姿态来计算视频相邻帧之间姿态一致性的算法,该算法能够有效利用视频中表观特征及运动特征的连续性,从而提高姿态估计精度.此外,使用粒子群优化算法用较小的姿态样本优化出最优部位姿态,并将最优部位姿态重组为最优的人体姿态.通过实验验证了所提方法的有效性,并与几种前沿方法进行了比较.实验结果表明,本文方法有效提高了人体姿态估计的准确度.     

基于HOG和颜色特征融合的人体姿态估计

部位外观模型在人体姿态估计中起着关键作用.为提高人体姿态估计的准确度,对如何利用梯度方向直方图(HOG)与颜色特征建立外观模型进行研究.利用支持向量数据描述算法(SVDD)对部位的所有细胞单元构造子分类器,将所有子分类器按照不同权值进行线性组合,建立基于HOG特征的外观模型;利用与基于HOG特征的外观模型之间似然度较高的部位状态学习定位概率,根据定位概率求得的颜色直方图即为基于颜色特征的外观模型;根据待处理静态图像的光照条件和人体着装及背景的颜色对比度可确定分别基于HOG和颜色特征的外观模型的权值;根据相应权值对两种外观模型进行线性组合,建立基于HOG和颜色特征融合的部位外观模型.将所提外观模型用于人体姿态估计,实验结果表明,该外观模型更加有效,获得更高的人体姿态估计准确度.     

基于姿态的情感计算综述

情感计算的理论与算法研究是近年来人机交互领域的热点话题.当前,常见的情感计算集中在基于面部表情、语音、文本、人体姿态等方向,既有单一模态的算法,又有多模态的综合算法.基于面部表情和语音模态的算法占据多数,国内外基于人体姿态的算法相对较少.文中针对基于姿态的情感计算所面临的几个关键科学问题展开了综述,包括情感的心理学模型、人体姿态估计算法、姿态的情感特征提取算法、情感分类与标注算法、姿态情感数据集、基于姿态的情感识别算法等.具体来说,首先介绍了几种常用的情感计算心理学模型,评述了各类模型的适用场景;随后从人体检测和姿态估计2个角度对人体姿态估计的常用算法进行了总结,并讨论了2D和3D姿态估计的应用前景.针对特征提取算法,分析了基于全身和上半身身体动作的姿态特征提取算法.在情感标注方面,介绍了表演数据和非表演数据的情感标注算法,并指出了半自动或自动的标注非表演数据将是未来的重要发展趋势之一.针对姿态情感数据集,列举了近年来常见的14个数据集,并主要从是否是表演数据、数据维度、静态或动态姿势、全身或非全身数据等几个方面进行了总结.在基于姿态的情感识别算法方面,主要介绍了基于人工神经网络的情感识别算法,指出了不同算法的优劣之处和适用的数据集类型.文中的综述研究,总结提炼了国内外该领域经典且前沿的工作,希望为相关的研究者提供研究帮助.     

基于蒙特卡洛方法的碰撞预警系统仿真

本文提出了一种基于蒙特卡洛方法的汽车碰撞预警系统.本系统可以自动连续测量行驶车辆前方障碍物的速度和方位等数据,经过估计产生车体和目标的姿态,利用蒙特卡洛方法计算碰撞概率,发出适当的警报给驾驶员.仿真结果表明此算法能够比较精确地估计车辆的安全级别,产生相对准确的警报,为开展快速的碰撞预警系统的研究提供了一种可行方案.     

基于改进卷积神经网络的人体姿态估计

卷积神经网络是人体姿态估计中应用最成功的深度学习模型,但仍存在着一些诸如关节搜索空间过于巨大以及不同卷积核得到的抽象特征被平等对待等缺陷.为此,提出了一种基于改进卷积神经网络的人体姿态估计算法,利用先验分布减小关节搜索空间,改进卷积神经网络结构建立新的关节外观模型.改进的网络利用单个卷积核对应的全局和局部抽象特征计算关节的初始定位概率,通过对所有卷积核对应的关节初始定位概率进行线性组合来计算关节的最终定位概率,利用线性组合中不同的权值来体现不同抽象特征在定位关节时所起的不同作用.仿真实验表明,与现有基于卷积神经网络的人体姿态估计算法相比,所提出的算法具有更低的计算复杂度和更高的估计准确度.     

一种基于图结构模型的人体姿态估计算法

针对单幅图片中人体姿态的估计问题,在图结构模型的基础上提出了一种新的人体姿态估计算法。算法提出了一个新的部位观测模型和一种新的减小部位状态空间的方法：（1）对人体不同部位采用不同尺寸的细胞单元计算HOG特征,并利用线性SVM进行分类,从而提出一种新的部位观测模型;（2）利用人体部位定位的先验分布确定部位定位区域,然后通过邻域归并和设置与部位模板的匹配度阈值进一步减小状态空间,从而提出了一种减小部位状态空间的方法。仿真实验结果表明所提算法与传统算法相比更加有效。     

基于深度学习的二维人体姿态估计综述

人体姿态估计是计算机视觉领域的一个基础且具有挑战的任务,人体姿态估计对于描述人体姿态、描述人体行为等至关重要,是行为识别、行为检测等计算机视觉任务的基础.近年来,随着深度学习的发展,基于深度学习的人体姿态估计算法展现出了极其优异的效果.从单人人体姿态估计、自顶向下的多人人体姿态估计和自底向上的多人人体姿态估计这3种主流的人体姿态估计方式,介绍近年来基于深度学习的二维人体姿态估计算法的发展,并讨论目前二维人体姿态估计所面临的困难和挑战.最后,对人体姿态估计未来的发展做出展望.