资料下载
×
复杂背景下人体骨架的提取
消耗积分:0 |
格式:rar |
大小:232 |
2009-07-31
分享资料个
在计算机视觉领域，人体运动分析的研究具有广泛的应用前景。由于人体运动的复杂性，已有的研究方法对人体和背景加上了许多限制条件。本文提出了一种新的方法在复杂背景下来获得人体的骨架。
人体运动分析广泛的应用于监控、人机交互、视频检索等领域。骨架是表述人体区域
和轮廓信息的一种有效的方式。所谓骨架是由一些理想的细线组成，可以有效的反应出原物体形状的连通性或者拓扑结构。由于人体运动的复杂性，已有的研究方法对人体和背景加了许多限制条件，例如背景单一，人体的着装不要与背景靠色等。文[4]总结了许多骨架化的算法。然而仍有许多问题没有解决，例如对骨架化仍没有一个评价的标准，近来也有不少人在这个方向上做了许多的研究[5,6]。另一个重要问题是骨架化算法对噪声特别敏感，细化后产生意想不到的结果。因此，首先必须很好的检测出运动人体的区域，消除人人体区域内的噪声，进而才能进行人体骨架的提取。
本文的主要思想是在背景比较复杂的情况下通过背景建模的方法检测出人体区域，再
用细化的方法提取人体的骨架。
通常检测运动物体的方法是背景差法，首先确定背景作为参考图像，然后用当前帧与
背景图像相减得到差图像，对差图像进行域值分割，得到的二值图像代表了运动部分。此方法产生许多问题，当人体的着装与背景相近，检测出的人体会出现空洞，并且不能消除阴影的影响，另外摄像机在拍摄过程中还引入了一定的随机噪声。
本文首先提出了一种新的背景差方案，有效的解决了在背景比较复杂时人体的检测。
其次提出一种新的计算颜色模型，使用该模型能够有效地计算色度差,从而解决运动物体的阴影消除问题。利用该方案实现了人体检测，之后进行骨架的提取，并且在室内和室外进行了实验，实验结果验证了所提出方案的有效性。
人体运动分析广泛的应用于监控、人机交互、视频检索等领域。骨架是表述人体区域
和轮廓信息的一种有效的方式。所谓骨架是由一些理想的细线组成，可以有效的反应出原物体形状的连通性或者拓扑结构。由于人体运动的复杂性，已有的研究方法对人体和背景加了许多限制条件，例如背景单一，人体的着装不要与背景靠色等。文[4]总结了许多骨架化的算法。然而仍有许多问题没有解决，例如对骨架化仍没有一个评价的标准，近来也有不少人在这个方向上做了许多的研究[5,6]。另一个重要问题是骨架化算法对噪声特别敏感，细化后产生意想不到的结果。因此，首先必须很好的检测出运动人体的区域，消除人人体区域内的噪声，进而才能进行人体骨架的提取。
本文的主要思想是在背景比较复杂的情况下通过背景建模的方法检测出人体区域，再
用细化的方法提取人体的骨架。
通常检测运动物体的方法是背景差法，首先确定背景作为参考图像，然后用当前帧与
背景图像相减得到差图像，对差图像进行域值分割，得到的二值图像代表了运动部分。此方法产生许多问题，当人体的着装与背景相近，检测出的人体会出现空洞，并且不能消除阴影的影响，另外摄像机在拍摄过程中还引入了一定的随机噪声。
本文首先提出了一种新的背景差方案，有效的解决了在背景比较复杂时人体的检测。
其次提出一种新的计算颜色模型，使用该模型能够有效地计算色度差,从而解决运动物体的阴影消除问题。利用该方案实现了人体检测，之后进行骨架的提取，并且在室内和室外进行了实验，实验结果验证了所提出方案的有效性。
声明：本文内容及配图由入驻作者撰写或者入驻合作网站授权转载。文章观点仅代表作者本人，不代表电子发烧友网立场。文章及其配图仅供工程师学习之用，如有内容侵权或者其他违规问题，请联系本站处理。 举报投诉
评论(0)
发评论
- 相关下载
- 相关文章
