论文部分内容阅读
人体的姿态描述技术是计算机视觉领域的人体行为分析的关键技术。姿态描述技术研究的核心是描述单一动作姿态以及单一动作姿态之间的组合关系。它的应用涉及到了行为识别、人工智能、人机交互等多个领域，姿态描述的准确性和高效性在后续的分析中起着重要作用。姿态描述的准确性和高效性也要求越来越高。姿态描述研究可以分为目标分割、特征提取与重组、模型抽象三个部分。
本文开展基于骨架和HMM的姿态描述方法研究，选题具有重要学术意义和应用前景，主要工作和特色如下:
1、将姿态描述分为原子体态和原子体态的组合规则两个部分。从单帧视频提取描述动作的最小单元构成原子体态，通过动作模型训练描述和定义原子体态之间的组合规则。
2、通过动作单帧图形的人体星形骨架提取来描述原子体态，骨架信息在某种程度能够模拟人体的结构信息。对动作的最小单元，提取骨架信息，并编号形成描述动作的骨架信息库。这可以后续的动作训练和动作库更新。
3、在星型骨架提取的过程中，对单视情况下碰到的遮挡和重叠，使用补点和补零的方法矫正。虽然在原子体态描述上存在误差，但是对动作序列的编码可以通过骨架信息库来填补。
4、使用隐马尔科夫模型对原子体态的组合规则描述。基于建立的骨架信息库，对动作集中的姿态，通过提取骨架信息和骨架信息的分类，将动作转化为编码的形式，然后使用HMM训练动作模型参数，形成动作模型库HMM参数版;对于待分类的动作，同样通过提取骨架信息、骨架信息分类，完成待分类动作序列的编码过程，通过训练的动作模型库的HMM解码过程，实现动作的分类。