检索结果-内蒙古大学图书馆

将基于视频的人体运动分析归结为高维空间中的优化问题,提出一种基于子空间构造和克隆选择的人体运动分析方法.该方法首先采用等距映射算法建立人体运动的低维流形空间,其次采用克隆选择算法在流形空间中进行姿态优化,最后通过引入时序信息提出序列克隆选择方法实现运动跟踪.该方法能准确分析视频中的人体运动,具有良好的计算效率和精度.

关键词：人体运动分析流形学习克隆选择姿态估计运动跟踪

来源：评论

学校读者我要写书评

暂无评论

非标定单目序列图像的三维人体运动分析

非标定单目序列图像的三维人体运动分析

引用

作者：仝明磊上海交通大学

学位级别：博士

基于视觉人体运动分析,是指如何从变化的场景中不同时刻的图像里提取出人体的位置、运动、姿态等信息,它在姿态识别、语义分析、行为理解、虚拟现实、智能监控、人机交互、运动分析等方面具有广泛的应用前景和潜在的经济价值。近年... 详细信息

基于视觉人体运动分析,是指如何从变化的场景中不同时刻的图像里提取出人体的位置、运动、姿态等信息,它在姿态识别、语义分析、行为理解、虚拟现实、智能监控、人机交互、运动分析等方面具有广泛的应用前景和潜在的经济价值。近年来,人体运动的视觉分析受到国内外学术界和企业界的广泛关注,发展至今已有两大类常用的研究方法,一类是基于模型的人体运动分析,一类是基于学习的人体运动分析。但作为计算机视觉领域中的一个热点和难点,该研究仍然有很多理论与技术问题需待解决。在基于模型的人体运动分析方法中,还没有一种方法能够描述模型投影与图像特征的解析关系;在人体运动的估计和跟踪中,初始帧的初始点都需要手工标记;跟踪过程中,运动模型比较单一;在基于学习的人体运动中,适合于人体运动的机器学习亟需发展研究。根据目前基于视觉的人体运动分析的研究现状和特点,本论文对图像的特征提取、表达、卷积曲面三维重建、确定性优化算法、滤波跟踪算法、机器学习理论等进行了深入的研究和探索,在人体建模、初始化、运动跟踪、以及机器学习等方面开展了创新性的工作,主要体现在以下几方面: 1.提出卷积曲面与卷积曲线在正交投影和弱透视投影下的对应定理,将卷积曲面引入人体运动分析。针对以往的研究中人体模型投影与图像特征缺乏解析关系这一缺点,提出卷积曲面与卷积曲线在正交投影和弱透视投影下的对应定理,将卷积曲面引入人体运动建模,通过某种函数沿着连接刚体进行积分得到表达人体模型的卷积曲面,然后用卷积曲线对图像轮廓进行建模,通过卷积曲线对图像轮廓线的拟合求得人体运动参数。 2.提出了一种人体关节点的自动定位的方法。针对以往工作中初始关键点需要手工标记的缺点,提出了一种人体关节点的自动初始化方法,通过图像中人体区域的自身特点,自动的找到头顶点,中心点以及四肢点的初始位置,在关键点自动定位的基础上,给出漏检点预测机制;并构造出三维骨架与图像人体区域骨骼线的相似度,最后通过确定性优化算法恢复三维运动。 3.给出一个两层的滤波框架,将交互式多模型（IMM）引入长序列图像的三维人体运动跟踪中。针对在单一模型下人体运动跟踪效果不好的缺点,将交户式多模型（IMM）引入三维人体运动跟踪中,同时从三维人体运动的真实数据中学习到各关节的运动约束,以及用岭回归方法训练出不同动作的多个运动模型,最后利用交互式多模型框架来解决人体运动跟踪问题。 4.提出共享动态隐变量模型并将其应用于人体运动跟踪。为了将状态跟踪局限在低维空间内进行,推导出共享动态隐变量模型,求出观测向量与状态向量的低维共享动态隐变量,通过离线的训练得状态方程、观测方程与重建方程,然后使用在线的粒子滤波器进行低维的隐变量跟踪,最后实现高维的重建。 5.从理论上探讨了共享隐结构模型的实质,并证明其与经典主分量分析的等价性。针对经典的共享隐结构算法需要使用确定性优化算法或者EM算法求解,初值的设定以及优化速度精度,很难控制这一特点,给出共享隐变量模型的解析式,证明了高斯过程共享隐变量模型等价于经典主分量分析方法,即可以用主分量分析方法作为共享隐变量模型的解析式。

关键词：人体运动分析单目图像序列非标定相机交互式多模型卷积曲面关节点自动定位共享动态隐变量模型粒子滤波器

来源：评论

学校读者我要写书评

暂无评论

动态场景视频中的人体运动分析技术研究

动态场景视频中的人体运动分析技术研究

引用

作者：李豪杰中国科学院计算技术研究所

学位级别：博士

基于视频的人体运动分析和理解是近年来计算机视觉十分活跃的一个研究方向,不仅具有重要的学术研究意义,而且有着广阔的应用前景.人体运动分析技术在智能视觉监控、高级人机接口等领域已取得许多进展,但目前工作多限于静态场景,即静止... 详细信息

基于视频的人体运动分析和理解是近年来计算机视觉十分活跃的一个研究方向,不仅具有重要的学术研究意义,而且有着广阔的应用前景.人体运动分析技术在智能视觉监控、高级人机接口等领域已取得许多进展,但目前工作多限于静态场景,即静止摄像机拍摄的图像序列.在动态场景下,因摄像机运动、图像噪声、以及人体运动的复杂性等因素,给视频人体运动的自动分析带来了极大的困难.本文对动态场景视频中人体运动分析的几个关键问题:人体动作检测、人体分割、人体运动跟踪和分析等进行了较为深入的研究,取得了如下成果:1基于时空模板匹配的人体动作检测方法人体动作检测是人体运动分析的基础.提出了一种基于时空模板匹配的人体动作检测方法.模板序列匹配是动作检测的一种常用方法,其中,模板的表示最为困难.基于全局运动补偿后的时序帧差残值的分布特征,本文设计了一种简单有效的运动描述符来表示人体运动模板,该描述符与衣服颜色、背景变化、背景的复杂程度及摄像机运动无关;并给出了一种有效的、可同时匹配多条轨迹的关键帧序列匹配算法.该检测方法无需分割和跟踪人体,可准确定位出视频中待检动作的时空位置.2动态背景的运动对象分割视频运动对象的准确提取,对于运动分析、动作识别具有重要意义.首先提出了一种改进的动态背景构造方法.该方法用自适应选择的关键帧序列代替原方法的连续帧序列来构造背景,解决了因对象的缓慢运动在所构造背景图像中形成的虚影问题.基于改进的动态背景构造的对象分割算法,具有良好的适应性,在对象较长时间静止或运动幅度很小时,亦能取得满意的分割结果.\n 其次,提出了一种先验形状指导的对象分割方法.当因摄像机运动估计误差、光照变化等因素使运动分割算法的分割准确性下降时,针对特定运动,使用一种综合了局部和全局形状特征的鲁棒的形状匹配算法,从已知模板库中选取最相似的模板,并用模板作为先验形状来指导活动轮廓进行局部变形,得到准确的分割对象.3多策略融合的人体运动跟踪算法人体运动跟踪是获取运动分析所需参数的重要途径.针对动态场景中的大幅度人体运动,提出了融合多种策略的人体运动跟踪方法.首先用部分区域特征匹配对预测的全局状态进行滤波,以减少后续匹配计算量;其次,针对图像背景复杂、噪声大的特点,采用多种观测特征融合的相似度模型,增加了测度的鲁棒性;最后,对特定运动模式,使用支持向量回归方法对运动规律进行建模以用于姿态预测,大大提高了跟踪的稳健性和准确性.4体育视频特定动作的自动分析方法基于视频的人体运动分析技术为竞技体育项目的科学训练提供支持.体育视频因人体运动幅度大、摄像机运动和背景噪声大等因素,使自动、准确的分析非常困难.在以上关键技术的基础上,本文针对特定体育动作视频一跳水视频,充分利用领域知识,实现了对跳水视频、跳水动作的自动多层次分析.\n 提出了一个统一的、由粗到细的体育动作自动分析框架.包括精彩动作片段检测、动作识别、关键动作参数提取等三个层次,可满足从普通用户到体育专业人士对体育视频分析的不同需求.其中,提出了一种结合摄像机运动和语义颜色分析的有效的跳水精彩片断检测方法;采用隐马尔科夫模型,实现了跳水动作的识别;提出了一种特定动作的自动分析方法.

关键词：动态场景视频人体运动分析运动对象分割动作检测动作识别人体运动跟踪

来源：评论

学校读者我要写书评

暂无评论

引入GAN与可变形注意力的多维人体运动分析

引用

电子测量技术 2023年第16期46卷 78-88页

作者：孙文昊路光达秦转萍郭庭航赵壮壮天津职业技术师范大学自动化与电气工程学院天津300222 天津市信息传感与智能控制重点实验室天津300222

研究了一种用于肢体状态评估和运动姿态校正的人体运动分析系统。首先,针对人体运动时易出现的遮挡等问题,通过引入可变形注意力和生成对抗网络优化人体关键点热图位置检测,在Transformer的基础上设计了一种人体关键点识别算法。其次,... 详细信息

研究了一种用于肢体状态评估和运动姿态校正的人体运动分析系统。首先,针对人体运动时易出现的遮挡等问题,通过引入可变形注意力和生成对抗网络优化人体关键点热图位置检测,在Transformer的基础上设计了一种人体关键点识别算法。其次,利用所提出的算法,结合人体姿态的肢体空间约束关系以及体态分析相关知识,设计了一套运动分析系统。最后,通过在公共数据集上和真实场景中的测试,从质化和量化两个角度对所提出的算法和系统的可行性进行了评估实验。实验结果证明,本文算法在公共数据集上的检测精度最高可达93.7%;在实际场景的测试中,本文设计的算法和运动分析系统可以有效解决人体姿态识别中常见的遮挡等问题,并通过可视化系统展示了对人体运动姿态的多维度分析结果。

关键词：人体运动分析人体关键点检测 Transformer 生成对抗网络可变形注意力

来源：评论

学校读者我要写书评

暂无评论

动态图像序列建模与分类及其在人体运动分析中的应用

动态图像序列建模与分类及其在人体运动分析中的应用

引用

作者：陈昌红西安电子科技大学

学位级别：博士

动态图像序列是由一系列具有相对次序的帧图像组成。除了具有与图像一样的空间特性外,动态图像序列还具有时序特性,即运动信息。动态图像序列建模对序列中的运动模式进行分析和识别,并用自然语言加以描述,是计算机视觉领域的重要研究方... 详细信息

动态图像序列是由一系列具有相对次序的帧图像组成。除了具有与图像一样的空间特性外,动态图像序列还具有时序特性,即运动信息。动态图像序列建模对序列中的运动模式进行分析和识别,并用自然语言加以描述,是计算机视觉领域的重要研究方向之一,在智能监控、人机交互、动作分析等领域有非常重要的应用。有效的检测和描述图像序列中的运动信息是动态图像序列建模的核心问题。时间序列分析方法是一种成熟的解决时间序列问题的统计工具,但用于分析图像序列则会出现很多问题。本文以图模型理论,特别是分析时间序列的图模型——动态贝叶斯网络为基础,对隐马尔可夫模型和状态空间模型这两种最常用的处理时间序列的方法在处理图像序列时遇到的问题进行了讨论,在此基础上对这两个模型的学习方法做了改进,并提出了更适合描述动态图像序列的模型,通过人体运动分析对我们的工作做了检验和评估。为克服单个特征的片面性,对图像序列进行更全面、准确和可靠的描述,引入了因子隐马尔可夫模型作为特征级融合方法和并联隐马尔可夫模型作为决策级融合方法,并根据算法的评估结果及特征间的相关性,深入探讨了影响融合性能的因素。当选择特征间识别性能差异小和单个特征识别性能好的特征组合时,两种融合方法会有效的提高识别性能。在此基础上,特征间的相关性越小越好。针对动态纹理模型不适合描述二值图像序列的问题,提出了两种改进动态纹理模型。第一种是二值动态纹理模型,该模型利用二值图像服从贝努利分布的特点,采用二值主成分分析的方法学习模型参数;第二种是张量子空间动态纹理模型,该方法采用张量子空间分析的方法将二值图像序列转换为低维灰度图像序列,然后使用动态纹理模型进行描述。实验结果表明,这两种改进的动态纹理模型能更准确的描述二值图像序列。隐马尔可夫模型及其扩展形式在描述动态图像序列时的最大局限在于难以准确的选择隐状态,而改进的动态纹理模型作为线性模型,无法对图像序列进行全面的描述。为解决上述不足,本文提出了分层时间序列模型。该模型是一个两层统计模型,第一层采用分层线性来逼近非线性,将图像序列分割为几段,每段用动态纹理模型或改进动态纹理模型来描述;第二层将这些模型看作隐状态,并在此基础上建立隐马尔可夫模型来刻画它们之间的关系,其中隐马尔可夫模型的观测概率是观测与各模型的对应合成观测之间距离的函数。两层模型参数的组合即为分层时间序列模型的参数。实验结果表明,该模型克服了隐马尔可夫模型和动态纹理模型的缺陷,保留了动态纹理模型的合成及预测能力和隐马尔可夫模型对过程的描述能力,是一种很好的描述和识别动态图像序列的方法。针对步态数据库中由于去除背景等原因带来的人肢体信息缺失问题,本文还提出了帧差主体图的表征方法。该表征方法通过主体图表现每类的共性,用前一帧与当前帧的帧差图中值为正的部分来表示运动中带来的变化。通过结合动态和静态信息,该方法既能有效地弥补图像信息缺失的不足,又能体现人行走过程中的形态变化,提高识别率。此外,本文引入了McNemar检验的统计方法对不同算法进行评估,该方法对不同算法的多次实验的结果进行统计,计算得到不同算法间差异的一阶统计显著性,从而实现对算法性能的定量比较。与其它方法相比,这种方法对算法的评估更准确、更可靠。

关键词：动态图像序列因子隐马尔可夫模型改进动态纹理模型分层时间序列模型人体运动分析

来源：评论

学校读者我要写书评

暂无评论

基于不变特征的人体运动分析

基于不变特征的人体运动分析

引用

作者：李琪中国科学院大学

学位级别：博士

以人为主体的运动分析广泛存在于图形图像领域，其中包括目标跟踪、行为识别、运动评估等。从实际应用的角度出发，人体运动分析在视频监控、人机交互和体育分析等领域均有重要价值。　　分析人体运动中所存在的变换及这些变换下的不变... 详细信息

以人为主体的运动分析广泛存在于图形图像领域，其中包括目标跟踪、行为识别、运动评估等。从实际应用的角度出发，人体运动分析在视频监控、人机交互和体育分析等领域均有重要价值。　　分析人体运动中所存在的变换及这些变换下的不变特征对于人体动作的识别与分析具有重要意义。将人体视为一个整体时，由于坐标系的转换，位置的移动和视角的远近，所观察到的人体会发生相似变换。将人体视为一个多刚体时，关节点之间存在着层次性的旋转与平移变换。在图像空间内观察人体运动时，所观察到的人体还会受到背景、光照和视角变化的影响。不同运动主体的人体亦在外观、形状和动作节奏上呈现出明显的差异性。对于特定的模式识别任务，在特定的变换下，不变的特征是存在的，而不变特征的应用可以有效减轻数据样本受变换的影响，从而提高算法的可靠性。　　从实际应用的角度出发，本文相关工作将用于国家备战2022年北京冬奥会的科技冬奥项目中，辅助若干重要比赛项目的运动分析。不变特征的研究不仅对相关算法的性能提升有一定的帮助，而且能够在可解释性方面有明显的改进，从而提升算法的可靠性，加速算法在项目中的应用落地。　　因此，本文主要研究基于不变特征的人体运动分析，具体工作包括:　　·提出了一种基于局部不变特征的匹配度量方法。针对短道速滑场景多目标跟踪颇受局部遮挡的影响，基于匹配目标的局部相似性进行关联。针对局部遮挡下检测图像框的多种重叠情况，使用特征组合进一步提高鲁棒性。收集并标注了一个短道速滑场景下的多目标跟踪数据集。与对多种外观特征对比后，局部匹配度量对局部遮挡下的目标跟踪准确率最高，相比于深度外观描述子有1.6％-1.8％的性能提升。　　·提出了时空双仿射变换下的微分不变特征的定义和计算方法。建立了时空双仿射变换的模型，并用于描述关节轨迹的时空变换关系。从空间角度而言，拍摄视角的变化导致描述动作的坐标系的改变，不同参与者的身体形状大小导致骨架尺度的变化，不同参与者动作幅度的变化导致轨迹尺度的差异。从时间角度而言，不同参与者执行同一动作，或者同一人每次重复动作的快慢均有所不同。设计一组时空双仿射变换下的微分不变特征，提出一种通道增强方法，通过将关节坐标和微分不变特征沿通道拓展进行结合，对深度模型的泛化性能有明显的提升。实验表明，该方法可以提升3％-6％的平均识别准确率，相比于数据增强，在跨参与者与跨视角识别中均取得准确率的有效提升。　　·提出了频域双仿射变换下的矩不变特征。基于时空双仿射变换下的运动轨迹曲线的频域特征同样满足双仿射变换的性质，设计一组频域双仿射变换下的矩不变特征。使用离散傅里叶变换和离散余弦变换获取关节轨迹的频域信息后，计算矩不变特征，并用于回归估算动作分数。有效地提高了基于人体骨架的动作评估的鲁棒性。　　·设计并实现了两项运动分析系统:短道速滑仿真和花样滑冰评估系统。对于短道速滑仿真系统，基于多目标跟踪获取的运动员在图像空间的运动轨迹，通过单应变换将其映射至冰场平面，实现比赛过程的复现，并使用B样条对轨迹曲线进行拟合，实现对速度、加速度等运动学参数的估算。对于花样滑冰评估系统，基于三维姿态估计获取视频内运动员的骨架序列，使用骨架序列估算动作分数，基于梯度下降估算关节点梯度与帧梯度，提供即时的可视化运动表现，支持后续的运动分析。

关键词：图像空间人体运动分析不变特征局部匹配

来源：评论

学校读者我要写书评

暂无评论

视频中的人体运动分析及其应用研究

视频中的人体运动分析及其应用研究

引用

作者：钱惠敏南京理工大学

学位级别：博士

基于视觉的人体运动分析是指对视频中的运动人体进行检测、识别和跟踪,并理解和描述人体行为,它是计算机视觉领域中一个新兴的研究方向。人体运动分析系统通常涉及图像预处理、运动目标检测和识别、运动人体跟踪、人体行为理解与描述等... 详细信息

基于视觉的人体运动分析是指对视频中的运动人体进行检测、识别和跟踪,并理解和描述人体行为,它是计算机视觉领域中一个新兴的研究方向。人体运动分析系统通常涉及图像预处理、运动目标检测和识别、运动人体跟踪、人体行为理解与描述等几个主要研究内容。目前在运动目标检测、识别及跟踪上得到相对成熟的研究成果,而在人体行为理解与描述方面,仍然存在大量问题亟待解决。本文就人体运动分析系统中的图像平滑、跟踪算法的尺度自适应性,以及人体行为理解等问题展开研究,取得的主要成果包括： (1)提出了一种基于视觉掩蔽效应的各向异性扩散系数方程,改进了各向异性扩散图像平滑算法,能有效滤除人体运动序列图像中的噪声。比较了现有几种基于各向异性扩散方程的平滑算法的性能,实验结果表明,本文方法不仅使恢复图像质量更好,信噪比更高,且算法的收敛速度快。 (2)由于Mean-Shift算法和粒子滤波算法在目标尺寸变化大时不能准确跟踪,定义了多尺度图像信息量(MSIIM),基于此信息量,提出了一种自动更新跟踪窗口尺寸的目标跟踪算法。实验结果表明,本文改进的跟踪算法,对逐渐增大的运动目标和逐渐减小的运动目标都能实现准确地实时跟踪。 (3)提出了一种无监督的人体运动序列分割算法,并对分割出的行为段采用隐马尔可夫模型(HMM)识别。然而,当前多数行为识别算法只关注于识别包含单个行为模式的行为段,忽略了运动序列的分割。本文提出通过检测特征向量的本征维数的突变点实现运动序列的分割,本征维数采用主成分分析(PCA)方法估计。提出了一种基于紧轮廓编码的点集特征描述运动人体。在当前最常用的两个公共数据库上的实验结果表明本文算法的有效性。 (4)采用安装在室内墙体上的Panasonic (WV-CW960)摄像头自行拍摄了人体各类行为视频,建立了行为数据库OwnSet,作为后续行为识别和异常检测算法的研究对象。实验场景符合实际监控场景,数据库共包含六种行为：行走、慢跑、坐下、蹲下、跌倒和不动行为(站立、蹲着、坐着)。 (5)提出了一个多类行为分类识别系统,包含四个模块：视频采集、运动目标检测与定位、特征提取以及行为分类识别。在运动目标检测与定位模块,采用背景减除法；在特征提取模块,分别提出了运动能量序列(MES)和运动能量图像轮廓编码(CCMEI)特征；在行为识别模块,引入了分层分类的思想,分别提出了基于先验知识的决策树支持向量机多分类器和基于聚类的决策树支持向量机多分类器,且后者比前者更具有通用性。在数据库OwnSet和公共数据库上的实验结果表明本文提出的系统对不完整的运动人体块,严重的阴影,以及各种不同的衣着等都表现出了稳定的识别性能,识别率明显高于已有算法。 (6)研究了人体运动分析在智能监控中的应用,提出了家居看护中的日常行为异常检测算法,实现在无人照看的老人、小孩或病人遇到跌倒危险时监控系统给出及时告警。提出了基于组合分类器的跌倒检测算法,从OwnSet数据库的六种行为中检测出跌倒；提出了基于支持向量机分类器的跌倒检测算法,不仅能检测跌倒行为,还能区分是行进中发生的跌倒行为还是原地跌倒行为,从而判断跌倒的危害程度。实验结果表明算法的识别性能较高,且由于算法简单,系统实时性高,易于在实际应用中推广。最后,分析了目前人体运动分析系统中存在的一些困难和亟待解决的问题,指出了进一步的研究方向。

关键词：人体运动分析目标跟踪异常检测人体运动序列分割支持向量机隐马尔可夫模型

来源：评论

学校读者我要写书评

暂无评论

基于视频序列的人体运动分析系统的研究与实现

引用

计算机应用与软件 2006年第2期23卷 140-141,144页

作者：魏娟丽王万诚西安体育学院计算机教研室陕西西安710068 西北工业大学计算机系陕西西安710069

基于视频的人体运动分析是通过视频序列对人体的运动进行检测、分割和跟踪,获得人体或者某一部位的运动信息,生成人体的运动轨迹以及各运动学和动力学参数,达到分析人体三维运动的目的。人体运动属于连接型非刚体运动的范畴,具有高度的... 详细信息

基于视频的人体运动分析是通过视频序列对人体的运动进行检测、分割和跟踪,获得人体或者某一部位的运动信息,生成人体的运动轨迹以及各运动学和动力学参数,达到分析人体三维运动的目的。人体运动属于连接型非刚体运动的范畴,具有高度的非线性特点,利用视频进行人体运动分析,有着极大的研究价值和现实应用前景。本文以单目视频中人体的跳远运动为研究对象,研究与实现了一个基于视频序列的人体运动分析系统。

关键词：人体运动分析图像处理运动目标检测运动目标跟踪运动分析视频序列系统动力学参数非刚体运动运动信息

来源：评论

学校读者我要写书评

暂无评论

基于模型的人体运动分析

基于模型的人体运动分析

引用

作者：李存东南京理工大学

学位级别：硕士

近年来,随着相关技术的发展,人体运动分析已发展为一个融合多学科知识的交叉研究领域,并成为图像处理与计算机视觉领域中备受关注的前沿方向之一。它是结合生物力学和计算机视觉的一项重要技术,在多个领域都有着广泛的应用前景和潜在的... 详细信息

近年来,随着相关技术的发展,人体运动分析已发展为一个融合多学科知识的交叉研究领域,并成为图像处理与计算机视觉领域中备受关注的前沿方向之一。它是结合生物力学和计算机视觉的一项重要技术,在多个领域都有着广泛的应用前景和潜在的经济价值。鉴于此,越来越多的科研机构、商业机构都相继投入到该领域的科研中来。人体运动属于典型的链接型非刚体运动,结合模型进行人体运动分析有着极大的研究价值。对此,本文利用人体模型,针对人体运动分析领域相关问题,主要进行了以下研究工作： (1)利用背景差分法进行运动目标分割。针对本文实验环境的实际情况,结合帧间差分法与平均法思想进行背景建模,对传统平均背景法进行了改进,并利用基于灰度直方图的自适应阈值分割法与形态学处理方法实现运动目标的完整分割。 (2)利用OpenGL完成人体模型的建立。本文提出一种新的可变形模型,并利用该模型对人体上臂、前臂、大腿、小腿进行建模,从而近似地反映出手臂以及腿部运动过程中肌肉所发生的形变情况。 (3)利用基于模型的粒子滤波算法对人体手臂运动以及各肢体运动进行跟踪。针对链接型运动的高维空间特性,结合分块采样策略,采用自上而下的搜索方式完成基于模型的粒子滤波算法,并利用该算法对手臂运动以及各肢体运动进行跟踪。 (4)利用模型进行人体转动力学分析。提出一种基于模型的人体转动力学分析方法,结合人体模型将人体有效地看成由多个部分共同构成的组合系统,并根据转动力学相关知识,对各个部分的转动分别进行分析,从而得到整个人体的转动力学参数,并近似地对整个人体转动进行分析。

关键词：人体运动分析人体模型可变形模型分块采样转动力学

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：