1. 研究目的与意义
1.选题背景 目前,人体运动识别已成为人机交互和普适计算的关键研究领域,广泛应用在日常行为分析、视频监控中,摄像机捕捉视觉世界并将其转换为数字数据,可以说,机器视觉的任务与人眼非常相似,但计算机化系统可以用不同的图像或视频格式压缩、存储或检索这些数据。 人体行为识别一直是一个热门话题,虽然基于兴趣点轨迹的人体行为识别近年来取得很大进展,但它仍然有许多需要解决的难题。人类每天执行不同的任务,通常这些任务中的每一项都涉及一定量的人体运动。人类活动识别对于几乎任何人来说都是一项微不足道的任务,通过观察他们执行活动,人们通常很容易说出其他人的所作所为。然而对于计算机视觉算法而言,这个简单的任务在一定程度上是个挑战。 2.选题目的人体运动识别任务可以概括为从图像或视频序列自动识别人类行为。所涉及的运动的复杂性和持续时间可以用作广泛分类为基于手势,动作,交互和群体活动四种的基础。尽管在这一领域已经做了大量的工作,但在过去二十年左右的时间里,仍然很少有现成产品,在创建人体行为识别系统方面存在许多挑战。 多数文献中使用的特征通常是低级特征,而运动轨迹作为中级特征捕捉场景的运动,在大多数情况下是有区别的。在计算传统描述符之前,轨迹也被证明可用于对齐小邻域,事实上,轨迹对齐的描述符显示出比大多数文献中提出的轨迹形状描述符具有更好的判别力。本文将研究基于兴趣点轨迹的人体行为识别算法,通过仿真与实际实际验证行为识别算法的可靠性与有效性。 3.选题意义在计算机视觉中的几项以人为中心的研究活动(例如人体检测,跟踪,姿势估计和运动识别)中,由于在视频监控,人机界面,环境辅助生活等方面的潜在应用,人体运动识别尤为重要。研究人体行为识别能够利用计算机技术自动地识别和预测已完成或正在进行的人类行动,例如个体行为、群体行为、以及人与外界之间的交互行为。人体行为识别是计算机视觉领域最有前景的研究方向之一。 |
2. 研究内容和预期目标
1.研究内容
(1)人体行为识别总体概况
3. 研究的方法与步骤
1.研究方法
(1)查阅相关资料和文献,了解kinect视觉传感器的结构与功能,以及其可以实现的相关计算机视觉算法和功能,进行整理为课题研究做准备。
4. 参考文献
[1]单言虎,张彰,黄凯奇.人的视觉行为识别研究回顾、现状及展望[j].计算机研究与发展,2016,53(1):93-112.
[2]杜友田,陈峰,徐文立,李永彬.基于视觉的人的运动识别综述[j].电子学报,2007,35(1):84-90.
[3]胡琼,秦磊,黄庆明.基于视觉的人体动作识别综述[j].计算机学报,2013,36(12):2512-2524.
5. 计划与进度安排
2022.3.1—2022.3.15研究课题,充分了解要求和相关技术;
2022.3.16—2022.3.25查阅文献资料,撰写并提交开题报告;
2022.3.30—2022.5.3研究分析并数据总结,完成论文初稿;
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。