基于三维图像的羽毛球运动合理性判断方法研究与仿真

针对当前彩色视频中羽毛球动作合理性判断成本高,且二维信息不充分,造成羽毛球运动合理性判断效果不佳的问题,提出一种新的基于三维图像的羽毛球运动合理性判断方法。在时间维度上建立深度运动模型;通过该模型描述羽毛球运动的每个动作,获取每个动作的三维图像。在三维空间中,选用空间金字塔方向梯度直方图对羽毛球运动特征进行提取。在此基础上对正确羽毛球运动和待判断羽毛球运动特征的相似度进行计算,将得到的相似度结果和既定阈值进行比较,从而实现羽毛球运动合理性判断。实验结果表明,所提方法具有很高的判断精度,且适应能力较强。     

基于三维动态步态的身份识别方法仿真

根据步态识别人身份的研究中,由于二维步态特征无法完全表示人体特有的动态步伐特征,导致识别受限。提出基于三维动态步态的身份识别方法,以连续步态图像帧为单位,通过立体视觉技术从二维图对不同采样时刻的运动人体三维步态轮廓信息进行提取,提取人体步态三维轮廓后,对其进行无关区域分割,获取和人体行走相关的步态特征。通过构建步态特征变换的几何模型,给出动态三维步态特征的转换过程,依据欧氏距离度量,根据结果实现身份识别。仿真实验结果表明,所提方法具有很高的识别精度和识别效率,性能较静态方法有较大的改善。     

基于运动块及关键帧的人体动作识别

为了进行动作识别,需要提取能够充分表征动作的运动、时间、空间及形状信息的特征.本文首先从动作的运动特性出发,采用基于图聚类的方法对人体的运动区域进行分割,并通过计算运动块的熵值选出由运动方向一致的运动点构成的运动块.通过建立混合高斯模型对运动块的时空三维位置及运动方向进行特征表示,得到运动描述符.同时,通过比较前后帧中运动块的变化提取关键帧,然后基于词袋框架进一步筛选关键帧,并采用梯度直方图对动作的形状信息进行特征表示,得到形状描述符.通过线性组合运动描述符及形状描述符,得到充分包含动作的运动、时间、空间及形状信息的联合描述符,并采用最近邻分类器进行动作识别.该算法在KTH和UCF运动数据集上较当前方法取得更好识别效果.     

基于轮廓的运动目标视觉分析的研究

目标运动的视觉分析在虚拟现实、视觉监控、感知接口中均有广泛的应用前景,文章介绍了运动目标视觉分析中基于轮廓的分析识别算法,即对每个序列而言,图象二值化后,用背景剪除法检测出人的运动轮廓,然后将这些时变的二维轮廓形状转化为对应的一维距离信号,并归一化处理,以便对有待分类的序列进行识别。     

基于视频的角色运动提取与运动合成

在基于大量现存的影视片段的基础上,采用一种基于特征的跟踪算法——KL(Kanade-Lucas)算法,对视频中角色的特征关节点实现跟踪,得到运动信息不完全的二维角色运动序列,然后进行三维重建生成满足动画要求的三维角色运动序列,并将三维角色运动序列重定向到三维的虚拟角色中,从而得到逼真的角色动画.实际运行表明,生成的角色动画与视频中的角色动作具有良好的吻合性.     

基于多尺度时空特征的篮球场景中人体姿态估计

人体姿态估计是计算机视觉领域的研究热点之一,目标是从给定的图像或视频中识别人体的关节.由于篮球比赛视频中人体动作复杂多变,易产生运动模糊、遮挡等问题,导致现有的人体姿态算法对篮球动作姿态估计的准确率较低.针对这一问题,提出了一种基于多尺度时空关联特征的篮球动作姿态估计算法,构建基于Transformer的人体时序特征捕捉模块对序列层级的时空特征信息进行建模,以缓解运动模糊、遮挡等现象带来的负面影响.此外,针对人体外形复杂多变的问题,提出了基于可形变卷积的人体空间特征残差融合模块来获取更为充分的空间特征.与现有算法相比,该算法在自行构建的篮球场景人体运动数据集、姿态估计公开基准数据集PoseTrack2017和PoseTrack2018均取得较好的效果.     

3D成像技术在智能手机交互设计中的应用研究

目前大部分智能手机在图像采集技术上依然停留在感光、像素等二维水平,但由于二维图像本身包含的信息有限,无法全面展现真实空间环境的位置关系及空间物体的深度信息,很大程度上阻碍了人类对客观世界的感知。利用移动智能终端内置摄像头、传感器件实现对真实环境光学信号的采集及物体运动过程的捕捉,借助与之匹配的操作软件进行数据分析运算,并结合实时获取的位置和方向等综合信息绘制真实世界的3D模型,使得物体的三维轮廓、物理特性将能被充分识别,最终实现在智能终端的显示。3D成像技术在实现对二维像素采集的同时完成了像素景深的叠加,实现了智能三维定位,有效推动了面部识别、机器视觉检测、大数据智能采集等技术的发展。     

排球扣球动作的三维手势重建系统设计

为了精确、快速、低成本地获得运动员的排球扣球动作三维手势模型并对其进行数字化模拟,需要对排球扣球动作的三维手势进行重建系统设计。传统的基于多台Kinect的排球扣球动作三维手势重建系统设计方法,首先使用两台Kinect分别采集运动员排球扣球动作二维手势图像的点云数据,通过标定得到两台Kinect采集到的排球扣球动作二维手势图像姿态关系;然后基于标定结果,使用迭代最近点算法对两部分排球扣球动作三维手势图像的点云数据进行配准得到完整的排球扣球动作三维模型。存在重建成本高,噪声干扰严重导致重建系统失真严重的问题。为了降低噪声干扰,提高重建精确度,降低成本,提出一种基于立体视觉的排球扣球动作三维手势重建系统设计方法,首先通过传感器或摄像机等设备获取排球扣球动作二维手势图像,并对其进行平滑去噪;然后采用基于2D平面标靶的标定原理,建立摄像机成像的排球扣球动作三维手势图像几何模型并获得其参数;最后利用双目立体视觉算法实现对排球扣球动作三维手势图像的特征提取与匹配,完成三维手势重建。实验结果分析证明,所提方法可以提高排球扣球动作三维手势重建效率,提高重建精确度,降低噪声影响,具有更加广泛的使用价值。     

基于kinect摄像机的多运动目标实时跟踪

多运动目标跟踪是视频监控中的关键问题,在目标相互运动发生遮挡时,采用二维摄像头监控容易丢失信息而造成跟踪失败.本文采用kinect摄像机获取目标的RGB图像及深度图像,并分别获取基于RGB图像信息的目标颜色模型和基于深度信息的目标三维空间模型,在视频帧间将颜色、空间模型分别匹配得到目标帧间匹配度,通过Mahalanobis距离算法实现多目标匹配,从而得到多目标识别跟踪结果.实验表明,在RGB-D数据集及拍摄的视频序列上均取得了较好的跟踪结果,实现了kinect三维视觉下的实时多目标的跟踪.     

融合形状和运动特征的动作识别计算模型

针对视觉系统在动作识别过程中如何利用形状与运动信息的问题,提出了一种融合形状特征和运动特征的人体动作识别方法.该方法模拟视觉皮层的背侧和腹侧通路,建立了基于双通道理论的人体动作特征计算模型.计算模型分别利用2D Gabor滤波器和3D时空滤波器模拟腹侧和背侧通路中视觉皮层简单细胞,提取动作的时空信息,通过采样、局部遍历、模板学习一系列操作分别提取动作的时空特征,并采用线性融合方法获取描述动作的特征向量,构建了采用支持向量机(SVM)进行动作分类的动作识别系统.实验结果表明:该方法的识别性能优于同类型的识别方法,取得了较好的识别效果.     

基于主元分析的频谱整体识别方法

根据频谱的整体数据进行模式识别和分类时必须考虑如何降低识别过程中的计算量问题,提出了一种基于PCA的频谱整体识别方法.该方法将N点频谱视为N维空间中的点,首先利用已知频谱样本建立数据矩阵,继而进行PCA处理并确定满足信息保留率门限值的主元方向个数,实现高维数据的降维,并计算各类频谱在低维空间投影点的中心,得到数据模板.在方法的识别应用中以距离最小为判据准则进行识别归类.数值仿真和语音识别实验结果说明所提方法性能稳定,识别准确率较高,具有一定的实际应用价值.     

基于CALPUFF模型的毒害性气体泄漏事故三维动态模拟方法——以开县井喷事故为例

针对目前基于大气扩散模型开发的应急管理 GIS 系统中存在的时空分辨率低、未考虑三维地形等问题, 提出一套基于CALPUFF模型的三维气体扩散模拟方法。经过多层计算, 获得气体扩散浓度的三维时空分布数据。 通过Marching Cubes可视化技术读取并显示 , 可以实现三维空间的气体动态扩散效果 。以“12·23”开县特大井喷事故为案例进行模拟, 并开展二、三维对比以及模拟数据与实际情况对比分析。结果表明, CALPUFF模型三维计算得到的气体浓度在量级和空间分布上具有较高的精确性, 三维时空动态模拟具有较高的时空分辨率和重建效率, 可以达到较好的可视化效果, 能够更好地表达气体泄漏过程和扩散规律, 为应急管理提供重要的辅助手段。     

基于卡方核的正则化线性判别行人再识别算法

针对行人再识别过程中存在获取的训练样本较少,真实样本分布不一定线性可分和算法识别率低的问题,提出基于卡方核的正则化线性判别分析行人再识别算法(KRLDA,kemel regularized linear discriminant analysis)。该算法首先利用核函数将样本从线性不可分的原始空间映射到线性可分的高维特征空间,然后在高维空间中构造描述数据之间邻近关系的散度矩阵,再利用正则化线性判别分析获得高维到低维空间的投影矩阵,使得数据在低维空间能够保持高维空间的可分性,从而提升行人再识别算法的识别率。在VIPeR、iLIDS、CAVIAR和3DPeS数据集上,实验结果表明所提出的算法具有较高识别率。     

基于深度图序列和时空占用模式的人类行为识别研究

针对人类行为识别问题,提出一种基于深度图序列和时空占用模式的行为识别方法。首先,使用深度图序列将空间和时间轴分为多个部分,从而定义一个4D网格;然后,将网格中的每个单元与占用值相关联,利用高维特征向量的所有单元占用值组成时空占用模式。最后,利用基于正交级别学习的主成分分析降维获得低维特征向量,并完成最终的行为识别。在公共3D行为数据集MSR上的实验结果表明,提出的离线识别方法比现有方法所获得的识别准确度较高。     

Miniature eye movements enhance fine spatial detail

Our eyes are constantly in motion. Even during visual fixation, small eye movements continually jitter the location of gaze. It is known that visual percepts tend to fade when retinal image motion is eliminated in the laboratory. However, it has long been debated whether, during natural viewing, fixational eye movements have functions in addition to preventing the visual scene from fading. In this study, we analysed the influence in humans of fixational eye movements on the discrimination of gratings masked by noise that has a power spectrum similar to that of natural images. Using a new method of retinal image stabilization, we selectively eliminated the motion of the retinal image that normally occurs during the intersaccadic intervals of visual fixation. Here we show that fixational eye movements improve discrimination of high spatial frequency stimuli, but not of low spatial frequency stimuli. This improvement originates from the temporal modulations introduced by fixational eye movements in the visual input to the retina, which emphasize the high spatial frequency harmonics of the stimulus. In a natural visual world dominated by low spatial frequencies, fixational eye movements appear to constitute an effective sampling strategy by which the visual system enhances the processing of spatial detail.     

基于骨骼线约束的随机蕨抗干扰三维体态识别方法

针对复杂环境下体态识别易受他人遮挡干扰,识别准确率低等问题,提出了一种基于骨骼线几何特征约束的随机蕨抗干扰三维体态识别方法。首先检测目标运动区域,融合运动目标多尺度深度信息和梯度特征;再采用kinect提取人体骨骼,获得骨骼几何特征,建立骨骼特征约束项,排除他人遮挡干扰;最后采用随机蕨进行三维体态分类识别。实验结果表明,该方法识别准确率可达80%以上,抗他人遮挡干扰性强。     

移动终端交互设计中手势指令识别方法改进研究

传统的手势指令识别在缩放、旋转、平移等转换过程中,一直存在手势图片出现形变使识别不准确。提出一种新的移动终端交互设计中手势指令识别改进方法。将质心距离函数看作全局特征对二维空间下的手势运动轨迹特征提取,对其进行改进,获取三维空间下手势轨迹特征,増加移动终端交互设计中第三维的手势轨迹信息,得到手势轨迹特征向量。将手势轨迹特征向量作为输入,通过随机森林方法对手势指令识别分类器进行训练,利用训练完成的分类器实现移动终端交互设计中手势指令的识别。实验结果表明,所提方法不仅能够保证移动终端交互设计中手势指令识别的实时性,而且识别精度高,认证效果好。     

基于Kinect的人体三维动作实时动态识别

针对传统的二维图片动作识别算法识别率相对不高、实时性不强的问题,文章提出一种三维的人体动作实时识别的方法。该方法首先通过Kinect获取人体三维骨骼数据,然后对骨骼数据信息采取归一化的方法进行数据对齐的预处理,使得与实时数据与标准数据的角度阈值和距离参考值统一。最后与标准动作采用多特征融合的识别算法对动作进行识别与匹配的方法,并在此基础上改进基于关节点角度的动作识别方法。实验结果表明,文章方法运行速度较快,可有效消除角度测量不稳定以及距离测量无法检测方向上的差异造成的动作匹配不准确。满足三维动作识别的实时性、鲁棒性强。     

三维动画及其运动捕捉技术

三维动画作为一种视觉冲击力强、效果逼真的动画类型在计算机动画领域中越来越受到重视,三维运动捕捉技术则作为解决三维动画制作的一个手段也被广泛地使用．分析了三维动画的制作流程,三雏动画制作的瓶颈以及三维运动捕捉技术给三维动画制作带来的好处,探讨了三维运动捕捉技术的应用和发展．