基于多监督的三维人体姿势与形状预测

三维人体重建技术指通过图像或视频建立有相应姿势和体型的三维人体模型,其在虚拟现实(VR)、网游、虚拟试衣等方面有着十分广泛的应用前景．其中,参数化的三维人体模型由于参数数量的局限,重建精度较低,缺少细节特征．为了提升参数化三维人体模型的重建精度,增加其脸部与手部细节,提出一种基于多监督的三维人体模型重建方法．该方法结合传统的回归方法和优化方法,利用卷积神经网络回归出参数化人体模型的参数,得到一个较为粗糙的人体模型,将该模型作为初始模板进行拟合和迭代优化,将带有脸部和手部的全身密集关节点信息和轮廓信息作为回归网络的2D监督,同时使用迭代优化后的人体模型作为回归网络的3D监督,最终可由一幅图像获得一个多细节、高精度的参数化三维人体模型．定性分析结果表明,该方法为人体拟合过程提供正确的拟合方向,可有效减少非自然姿势的出现,提高三维人体模型重建的准确度．全身密集关节点监督可为模型增加更多手部与脸部的细节,而轮廓监督可减少重建的人体模型与图像中人体的像素级偏差．定量分析表明,该方法在数据集Human3.6M上的平均逐关节位置误差(MPJPE)为59.9 mm,较经典方法 SPIN减少了4.16%...     

采用图像轮廓的弹性连接体三维建模与运动估计

为了用较少的参数反映人肢体皮肤的变形,该文提出以旋转圆锥曲面进行弹性连接体(人体)三维建模.模型包括人体三维骨架和代表人肢体皮肤的变形曲面方程,每个肢体只需调整2个变形参数就能反映出人肢体皮肤的变形.根据双目图像序列的轮廓估计人体变形和运动参数,包括骨架的运动参数估计和变形曲面的变形参数确定.实验结果表明:该模型能正确地反映人肢体皮肤的变形,运动估计算法能精确地估计人体运动参数.     

基于粒子滤波算法的三维关节型人体运动跟踪

针对复杂背景,提出了一种新的基于三维关节型人体模型和粒子滤波器的人体运动跟踪算法,并基于此开发了一套鲁棒性强、精度高的应用系统.首先构建一个简易且完备的三维关节型人体模型.然后对经标定、校正之后的图像做背景减除,计算场景深度信息、前景轮廓信息、手臂轮廓信息,将这些特征与人体模型特征进行匹配,生成似然函数,使用粒子滤波得到模型的各个参数,恢复人体上身姿态.实验结果表明,此算法能够对各种复杂背景、不同光照条件、不同跟踪对象、各种姿态的人体进行跟踪,具有较强的适应性和抗干扰能力.     

图像和惯性传感器相结合的摄像机定位和物体三维位置估计

为解决无人驾驶中车辆定位与周围场景中物体三维位置估计,采用卷积神经网络(CNN)检测图像中的物体,用扩展卡尔曼滤波(EKF)方法融合惯性传感器测量得到的加速度和角速度,同时估计摄像机位置和物理世界中物体三维位置.图像结合惯性传感器(IMU)信息,克服了单目摄像机估计得到的摄像机位置和物体三维位置的尺度不确定性;结合卷积神经网络检测物体提高特征点匹配准确度,实现对物体在三维世界中的位置通用的估计.在实验部分用Matlab分别模拟仿真场景和现实场景的数据库KITTI,有效估计摄像机运动和场景中物体三维位置估计.     

采用标记点的弹性连接体三维建模与运动估计

为了采用非常少的参数就能反映人肢体皮肤的变形,提出了一种新的旋转圆锥曲面进行弹性连接体（人体）三维建模,模型包括了人体三维骨架和代表人肢体皮肤的变形曲面方程, 每个肢体只需调整一个变形参数就能反映出人肢体皮肤的变形.根据双目图像序列的标记点估计人体三维变形和运动参数, 包括了骨架的运动参数估计和变形曲面的变形参数确定.实验结果表明：模型能正确地反映人肢体皮肤的变形,运动估计算法能精确地估计人体运动参数.     

一种构建三维人体模型的方法

本文针对网上三维物体显示的需要,介绍了开发工具java 3D的特点.在深入分析3DS文件结构的基础上,通过读取3DS建立的三维人体文件数据,根据人体模型数据的特点,使用散乱数据点三角剖分技术形成曲面三角面逼近建立了三维人体模型,并开发了一套基于java 3D的三维人体展示系统.     

基于模型的弹性连接体三维运动估计

为解决非刚体运动分析中模型精度和计算复杂度之间的平衡问题,该文提出了一种基于圆锥曲线模型的弹性连接体(人体)三维运动估计方法。建立了人体三维模型,根据双目图像序列进行基于该模型的人肢体三维变形和运动参数估计,采用圆锥曲线三维模型及其在图像平面上投影的联系方程估计三维运动参数。人手臂运动估计实验结果表明该运动估计算法能够正确估计人体运动参数。     

面向体育训练的人体姿势实时识别研究

为了提高高校体育训练过程中的人体姿势实时识别和检测能力,主要进行了面向体育训练的人体姿势实时识别研究.采用特征提取方法识别人体姿势图像,结合帧片段扫描技术实现高校体育训练过程中的人体姿势图像采样;采用融合边缘轮廓特征分解方法对人体姿势视觉特征表达进行进一步处理,建立人体姿势图像的视觉空间融合度分析模型,结合模糊度辨识方...     

基于单目视觉测量的人体建模与显示

以一种基于单目视觉测量原理的三维人体扫描装置获得的人体数据为来源,运用三角面片法构建人体表面,并把人体模型保存为一种标准的模型格式文件--OBJ文件.在Visual C++的编程环境中采用OpenGL(Open Graphics Library)作为图形接口,编程显示了人体模型.     

连接刚体的三维结构和运动参数估计

根据连接刚体的结构和运动属性，提出了一种基于单目图像序列点对应元的连接刚体三维运动估计新方法．该方法首先利用相邻两个连杆的运动连接关系，由2幅图像估计连接刚体的初始位姿，即确定连接点的空间位置．其次在初始位姿估计的基础上，将各个连杆的运动用螺旋和指数映射表示．最后利用图像点对应元的运动约束方程，求得连接刚体的运动参数．实验结果表明，连接刚体的各个连杆的相互关联性被充分利用。降低了问题的复杂度，提高了算法稳健性．     

管端相贯线坡口切割割炬位姿控制

针对管端相贯线坡口切割过程中存在三维空间曲面加工问题，研究割炬轨迹的保证和姿态的选择是获得良好加工质量的关键．利用空间解析几何原理，建立了管-管。管-板及管-管、板相贯带坡口切割时割炬位姿控制数学模型．提出了最大Z坐标原则求管-管、板相贯线坡口切割割炬轨迹的方法．对管-管、板相贯线坡口切割实例进行了割炬位姿控制仿真分析，研究了在不同相贯段时割炬位姿和两面角、坡口角以及割炬姿态角等相关参敷的数学表达式，理论研究表明在拐点处割炬姿态的转变应分多步进行，从而保证拐点处的切割质量．为管端相贯线坡口精确数控切割提供了理论基础．     

基于改进姿态估计算法的嵌入式平台实时跌倒检测

为了实现视频中特殊人群跌倒检测的实时性和降低误检率。通过采用改进的姿态估计网络提取人体关节点的方法,研究了使用前后帧关节点的变化来对人体进行追踪和跌倒行为检测。为了在嵌入式平台上使姿态估计网络达到实时效果,采用带有注意力机制的轻量化结构搭建深度卷积网络来提取人体关节点坐标,并合成完整的骨架信息。结果表明：带有注意力机制的姿态估计算法在不同数据集上的准确度均有提升;同时在嵌入式平台上保持误检率较低的情况下达到实时跌倒检测。可见基于改进姿态估计算法并通过关节点判断的方法较好地实现了人体的跌倒检测。     

轻量化二维人体骨骼关键点检测算法综述

随着移动设备和嵌入式设备的发展,对二维人体骨骼关键点检测网络提出了更高的要求。设计轻量化神经网络是解决网络参数量大、计算量大的重要方法。首先,介绍了基于神经网络的二维人体骨骼关键点检测主流方法和轻量级神经网络;然后,对近几年基于神经网络的轻量化人体姿态估计方法进行了分类和总结,根据神经网络轻量化方式将二维骨骼关键点检测方法归成四类：轻量化特征提取网络、深度可分离卷积、Dense连接机制和Lightweight 瓶颈快,并分析了它们的优缺点和轻量化手段;最后,介绍了常用的评价指标,并对改进后的轻量化方法进行了实验数据对比,并结合当前研究所面临的挑战及未来的发展趋势进行了总结和展望。     

一种多视角人脸姿态估计算法

基于独立子空间分析(ISA)技术，提出了一种多视角人脸姿态估计算法。给出了ISA视角子空间分析公式和有效的多视角子空间有监督学习算法。基于有监督学习的多视角人脸模型子空间学习算法，能够实现比无监督ISA学习算法得到更高的姿态估计精度。     

基于机器视觉的婴儿全身运动质量智能评估

针对婴儿全身运动质量评估问题,本文基于姿势识别对婴儿运动特征进行提取与分析,提出基于ResNet和反卷积层的婴儿姿势热力图识别模型,平均识别率达到86.9%;利用婴儿的二维姿势坐标,建立基于DenseNet的3D人体姿势识别模型,使用1D卷积网络及1D连接层,实现婴儿的2D姿势坐标到3D姿势坐标的升维推算;使用四元数作为空间向量表示方式,对婴儿主要肢体运动的角度、角速度、角加速度进行提取,并提出基于SVM的由婴儿肢体运动角度特征进行判定的婴儿异常行为识别模型。针对模型参数过多的问题,在保证模型整体识别率的情况下,使用主成分分析的方式对模型进行特征降维,提高整体识别速度,将维度由18维度降低至8维度后,整体运行时间减少近50%,且对于不同的视频样品均能正确分类。     

基于自适应感受野的教室人体姿态实时检测

人体姿态信息对教学管理和教学评估具有重要作用,通过算法快速且准确地获取人体姿态信息具有重要的研究意义。近年来,尽管基于人体关键点的姿态估计方法被广泛研究,但由于教室监控场景图像普遍存在遮挡严重、目标尺度变化大、图像成像质量差等问题,难以直接运用现有方法。提出一种基于自适应感受野的教室人体姿态实时检测方法。在单发多边框检测器(single shot multibox detector, SSD)网络中,构建自适应感受野卷积模块,通过上下两个支路提取不同感受野的特征;在反向传播过程中,自动学习上下支路的特征融合参数,自适应调整网络的感受野;提高网络在教室场景中人体姿态的检测性能。实验结果表明,提出的方法可以实现实时检测,且优于现有的教室人体姿态检测方法和其他单阶段目标检测方法。     

用卷积滤波法设计高速凸轮曲线

本文着重研究了应用卷积滤波法进行高速凸轮曲线动态设计的方法。文中引入了巴什瓦能量定理,用以在控制余振响应谱的同时,对凸轮曲线的速度和加速度最大值进行控制;文中还提出了有效控制余振响应谱的几种窗函数,以适应不同的工作要求,并以窗函数对常用凸轮曲线进行响应谱控制为例,说明了这一方法的实际使用。利用本文提出的方法,可以设计出具有良好动力响应的高速凸轮曲线,以降低凸轮机构的振动、噪声和磨损。     

低成本人体步态在线检测系统

研究了一种由 CCD摄像机、三维测力台及表面肌电信号检测装置组成的人体步态在线检测系统。在该系统中图像、力和表面肌电信号都由一台计算机实时采集。采用普通监控用图像设备和边缘检测、模板匹配等方法识别运动图像中的标志点 ,降低了系统硬件成本和对测试背景的要求。初步应用结果表明 :系统同步性能好 ,空间分辨率小于0 .2 %。该系统不仅适合于临床进行步态分析 ,而且也可用作其他与人体运动姿态有关研究的检测平台。     

带有给定分布密度的三维相关随机表面模拟

为研究非高斯相关随机表面生成散斑场的特性,介绍了一种模拟具有给定分布密度的三维相关随机表面的方法.用高斯白噪声通过FIR指数滤波器模拟产生符合高斯分布的相关随机表面;并引入累积分布函数,将高斯随机表面转化为均匀分布的随机表面,在逆累积分布函数的作用下将均匀分布随机面转化为给定分布密度的相关随机表面,并对拟合度误差和相关长度误差做了简单估计.结果表明,所产生的相关随机表面能够很好的拟合规定的理论分布密度;当设定的相关长度较小时,模拟表面的实际相关长度能够较好的符合要求,但对于大的相关长度,要谨慎选择生成的相关随机表面.     

一种优化FCN的视频异常行为检测定位方法

在视频异常行为检测过程中,为了提取出可分辨性更好的特征,同时兼顾运行速度,提出一种基于优化的全卷积网络(full convolution network,FCN)的异常行为检测与定位方法.对FCN进行优化,使用卷积神经网络(convolution neural network,CNN)的数个初始卷积层和一个额外卷积层,...