基于部位检测的人体姿态识别

合集下载

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

Ａｂｓｔｒａｃｔ：Ｔｏａｃｈｉｅｖｅｈｉｇｈｅｒａｃｃｕｒａｃｙｏｆｈｕｍａｎｂｏｄｙｐｏｓｅｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｌｏｗｒｅｓｏｌｕｔｉｏｎｄｅｐｔｈｉｍａｇｅ，ａｍｅｔｈｏｄｏｆｍｅｒｇｉｎｇ
ｐａｒｔｓｏｆｔｈｅｂｏｄｙｂａｓｅｄｏｎＳｈｏｔｔｏｎａｌｇｏｒｉｔｈｍｉｓｐｒｅｓｅｎｔｅｄ．Ｆｉｒｓｔｌｙ，３１ｐａｒｔｓｏｆｂｏｄｙａｒｅｄｅｔｅｃｔｅｄｕｓｉｎｇｒａｎｄｏｍｆｏｒｅｓｔ．Ｔｈｅｎ，
ｔａｉｎｅｄｗｉｔｈｔｈｅｍｅａｎｓｈｉｆｔ．Ｔｈｅｉｍｐｒｏｖｅｄｍｅｔｈｏｄｂｕｉｌｄｓａｄａｔａｓｅｔｕｓｉｎｇｔｈｅｃｏｍｐｕｔｅｒｇｒａｐｈｉｃｓｔｅｃｈｎｏｌｏｇｙ．Ｔｈｅｅｘｐｅｒｉｍｅｎｔａｌ
２０１３年１Ｏ月
计算机工程与设计
ＣＯＭＰＵＴＥＲＥＮＧＩＮＥＥＲＩＮＧＡＮＤＤＥＳＩＧＮ
ＯＣｔ．２０１３Ｖｏ１．３４Ｎｏ．ｉ０
第３４卷
第１Ｏ期
基于部位检测的人体姿态识别
殷海艳，刘波
பைடு நூலகம்
ｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｉｍｐｒｏｖｅｄｍｅｔｈｏｄｉｍｐｒｏｖｅｓｔｈｅａｖｅｒａｇｅｐｒｅｄｉｃｔｉｏｎａｃｃｕｒａｃｙｒａｔｅｏｆｈｕｍａｎｊｏｉｎｔｓｉｎｔｈｅｌｏｗ－ｒｅｓｏｌｕｔｉｏｎｉｍ
ｓｍａｌｌｅｒｐａｒｔｓａｒｅｍｅｒｇｅｄｏｒｄｉｖｉｄｅｄｉｎｔｏａ￣ａｃｅｎｔｍａｉｎｐｏｒｔｉｏｎ．Ｆｉｎａｌｌｙ，ｔｈｅｐｏｓｉｔｉｏｎｓｏｆｔｈｅｊｏｉｎｔｐｏｉｎｔｓｏｆｖａｒｉｏｕｓｐａｒｔｓａｒｅｏｂ
ａｇｅ，ａｎｄｉｔｃａｎｂｅｒｕｎｏｎａｎｏｒｄｉｎａｒｙＰＣｃｏｍｐａｒｅｄｔｏＳｈｏｔｔｏｎａｌｇｏｒｉｔｈｍｒｅｑｕｉｒｉｎｇａｈｉｇｈ－ｐｅｒｆｏｒｍａｎｃｅｔｒａｉｎｉｎｇｐｌａｔｆｏｒｍ．Ｋｅｙｗｏｒｄｓ：ｐｏｓｅｒｅｃｏｇｎｉｔｉｏｎ；ｄｅｐｔｈｉｍａｇｅｓ；ｐａｒｔｄｅｔｅｃｔｉｏｎ；ｒａｎｄｏｍｆｏｒｅｓｔ；ｍｅａｎｓｈｉｆｔ
（北京工业大学计算机学院，北京１００１２４）
摘要：为实现较高准确率的基于低分辨率深度图像的人体姿态识别，以Ｓｈｏｔｔｏｎ算法为基础，提出了合并部位的方法。利用随机森林检测人体的３１个部位，将人体的较小部位合并或者把较小部位划分到相邻的主要部位中去，用均值偏移算法获取各部位关节点的位置。鉴于目前还没有公开的人体姿态深度图像库，改进后的方法利用计算机图形学技术构建了数据集。实验结果表明，改进后的方法提高了低分辨率图像中人体关节点的平均预测准确率，与Ｓｈｏｔｔｏｎ算法中要求具有高性能的训练平台相比，该方法在普通ＰＣ上就能够很好地运行。
ＹＩＮＨａｉ — ｙａｎ，ＬＩＵＢｏ
（ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅ，ＢｅｉｊｉｎｇＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ，Ｂｅｉｊｉｎｇ１００１２４，Ｃｈｉｎａ）
关键词：姿态识别；深度图像；部位检测；随机森林；均值偏移
中图法分类号：ＴＰ３９１．４１文献标识号：Ａ文章编号：１０００ — ７０２４（２０１３）１０３５４０ — ０５
Ｈｕｍａｎｐｏｓｅｒｅｃｏｇｎｉｔｉｏｎｂａｓｅｄｏｎｐａｒｔｄｅｔｅｃｔｉｏｎ