基于深度图像梯度特征的人体姿态估计

doi:10.3969/j.issn.1000-3428.2015.12.038

计算机工程

基于深度图像梯度特征的人体姿态估计

徐岳峰,周书仁,王刚,佘凯晟

(长沙理工大学计算机与通信工程学院,长沙 410004)

收稿日期:2014-11-27 出版日期:2015-12-15 发布日期:2015-12-15
作者简介:徐岳峰(1988-),男,硕士研究生,主研方向:图像处理,模式识别;周书仁,副教授、博士;王刚,硕士研究生;佘凯晟,学士。
基金项目:
湖南省自然科学基金资助项目(12JJ6057);湖南省教育厅科学研究基金资助项目(13B132);湖南省交通运输厅科技进步与创新计划基金资助项目(201334);湖南省大学生研究性学习和创新性实验计划基金资助项目(湘教通［2012］402号136)。

Human Body Attitude Estimation Based on Gradient Feature of Depth Images

XU Yuefeng,ZHOU Shuren,WANG Gang,SHE Kaisheng

(School of Computer and Communication Engineering,Changsha University of Science and Technology,Changsha 410004,China)

Received:2014-11-27 Online:2015-12-15 Published:2015-12-15

摘要/Abstract

摘要： 人体姿态估计中由于人体姿态的多样性、遮挡与自遮挡,导致系统准确率低、鲁棒性不强和运行效率低。为此,提出一种基于深度图像梯度的特征提取方法。利用图像中深度信息计算出每个像素点在水平方向和垂直方向的梯度值,计算每个像素点与邻域内像素点之间的差值 ,从而得到一个四维特征,对随机森林进行优化,并估计图像中的人体姿态。实验结果表明,与像素偏移比较法相比,该方法的鲁棒性和准确率都有明显提升,同时优化的随机森林决策方法,可使在只降低0.1%准确率的情况下,提升随机森林的测试运行效率。

关键词: 计算机视觉, 人体姿态估计, 深度图像, 特征提取, 随机森林

Abstract: Because of the diversity of human body pose occlusion and self-occlusion in human pose estimation,the accuracy of the system is not strong and the operation efficiency is low.This paper proposes a feature extraction method base on Gradient of Depth(GoD) for feature representation in human body posture estimation.This method firstly calculates each pixel’s gradient value in the horizontal direction and vertical direction by using the image’s depth information.Then the method calculates the difference between each pixel and its neighborhood pixels and obtains a 4D feature.At the same time,the method optimizes the random forests then estimates the human body posture in the image.The method has a significant improvement of human body posture estimation robustness and the accuracy in the process of single frame image compared with the optimized random forest decision-making method,and improves the test efficiency by reducing the accuracy rate of 0.1%.

Key words: computer vision, human body attitude estimation, depth image, feature extraction, random forest

中图分类号:

TP391

徐岳峰,周书仁,王刚,佘凯晟. 基于深度图像梯度特征的人体姿态估计[J]. 计算机工程, doi: 10.3969/j.issn.1000-3428.2015.12.038.

XU Yuefeng,ZHOU Shuren,WANG Gang,SHE Kaisheng. Human Body Attitude Estimation Based on Gradient Feature of Depth Images[J]. Computer Engineering, doi: 10.3969/j.issn.1000-3428.2015.12.038.

参考文献

参考文献［1］Poppe R.Vision-based Human Motion Analysis:An Overview［J］.Computer Vision & Image Understanding,2007,108(1/2):4-18. ［2］Fischler M A,Elschlager R A.The Representation and Matching of Pictorial Structures［J］.IEEE Transactions on Computers,1973,22(1):67-92. ［3］Sapp B,Toshev A,Taskar B.Cascaded Models for Articulated Pose Estimation［C］//Proceedings of ECCV’10.Berlin,Germany:Springer-Verlag,2010:1357-1365. ［4］Belagiannis V,Wang X,Schiele B,et al.Multiple Human Pose Estimation with Temporally Consistent 3D Pictorial Structures［C］//Proceedings of European Conference on Computer Vision.Zurich,Switzerland:［s.n.］,2014:742-754. ［5］Pishchulin L,Jain A,Andriluka M,et al.Articulated People Detection and Pose Estimation:Reshaping the Future［C］//Proceedings of IEEE Conference on Computer Vision and Pattern Recognition.Washington D.C.,USA:IEEE Press,2012:3178- 3185. ［6］Sun M,Savarese S.Articulated Part-based Model for Joint Object Detection and Pose Estimation［C］//Proceedings of IEEE International Conference on Computer Vision.Washington D.C.,USA:IEEE Press,2011:723-730. ［7］Sharma G,Jurie F,Schmid C.Expanded Parts Model for Human Attribute and Action Recognition in Still Images［C］//Proceedings of IEEE Conference on Com-puter Vision and Pattern Recognition.Washington D.C.,USA:IEEE Press,2013:652-659. ［8］李少波,赵毅夫,赵群飞,等.机器人的人体姿态动作识别与模仿算法［J］.计算机工程,2013,39(8):181-186. ［9］Ahri O,Chaumette F.Complex Objects Pose Estimation Based on Image Moment Invariants［C］//Proceedings of IEEE International Conference on Robotics and Auto-mation.Washington D.C.,USA:IEEE Press,2005:436-441. ［10］Girshick R,Shotton J,Kohli P,et al.Efficient Regression of General-activity Human Poses from Depth Images［C］//Proceedings of IEEE International Conference on Computer Vision.Washington D.C.,USA:IEEE Press,2011:415-422. ［11］Ye M,Wang X,Yang R,et al.Accurate 3d Pose Estimation from a Single Depth Image［C］//Pro-ceedings of IEEE International Conference on Computer Vision.Washington D.C.,USA:IEEE Press,2011:731-738. ［12］赵文闯,程俊.深度图像中基于部位位置及尺寸的人体识别方法［J］.集成技术,2012,1(3):10-14. ［13］殷海艳,刘波.基于部位检测的人体姿态识别［J］.计算机工程与设计,2013,(10):3540-3544. ［14］Shotton J,Sharp T,Kipman A,et al.Real-time Human Pose Recognition in Parts from Single Depth Images［J］.Communications of the ACM,2013,56(1):116-124. ［15］Breiman L.Random Forests［J］.Machine Learning,2001,45(1):5-32. 编辑刘冰

[1]	王旭, 陈永乐, 王庆生, 陈俊杰. 结合特征选择与集成学习的密码体制识别方案[J]. 计算机工程, 2021, 47(1): 139-145,153.
[2]	张艺, 周雯, 梁意文, 谭成予. 基于数字微分的函数化树突状细胞算法模型[J]. 计算机工程, 2020, 46(9): 54-60.
[3]	张国令, 王晓丹, 李睿, 来杰, 向前. 基于栈式降噪稀疏自编码器的极限学习机[J]. 计算机工程, 2020, 46(9): 61-67.
[4]	生龙, 马建飞, 杨瑞欣, 吴迪. 基于特征交换的CNN图像分类算法研究[J]. 计算机工程, 2020, 46(9): 268-273.
[5]	张玲, 张建伟, 桑永宣, 王博, 侯泽翔. 基于随机森林与人工免疫的入侵检测算法[J]. 计算机工程, 2020, 46(8): 146-152.
[6]	谢瑞, 邵堃, 霍星, MITHUN Md Masud Parvej. 一种改进的DIQaM_FR/NR图像质量评价模型[J]. 计算机工程, 2020, 46(8): 258-263,270.
[7]	郑伟成, 李学伟, 刘宏哲, 代松银. 基于深度学习的疲劳驾驶检测算法[J]. 计算机工程, 2020, 46(7): 21-29.
[8]	罗彬珅, 刘利民, 董健, 刘璟麒. 基于SAE-GA-SVM模型的雷达新型干扰识别[J]. 计算机工程, 2020, 46(6): 281-287.
[9]	郑秋梅, 王璐璐, 王风华. 基于改进卷积神经网络的交通场景小目标检测[J]. 计算机工程, 2020, 46(6): 26-33.
[10]	沈泽君, 丁飞飞, 杨文元. 多粒度相关滤波视频跟踪方法[J]. 计算机工程, 2020, 46(5): 274-281.
[11]	康雁, 杨其越, 李浩, 梁文韬, 李晋源, 崔国荣, 王沛尧. 基于主题相似性聚类的自适应文本分类[J]. 计算机工程, 2020, 46(3): 93-98.
[12]	衡红军, 刘静. 基于混合方法的多维时间序列驾驶异常点检测[J]. 计算机工程, 2020, 46(3): 99-104.
[13]	丁龙斌, 伍忠东, 苏佳丽. 基于集成深度森林的入侵检测方法[J]. 计算机工程, 2020, 46(3): 144-150.
[14]	齐永锋, 李陇强. 基于局部模式的癫痫脑电信号自动分类方法[J]. 计算机工程, 2020, 46(2): 298-303.
[15]	陈良臣, 高曙, 刘宝旭, 陶明峰. 网络流量异常检测中的维数约简研究[J]. 计算机工程, 2020, 46(2): 11-20.

基于深度图像梯度特征的人体姿态估计

Human Body Attitude Estimation Based on Gradient Feature of Depth Images

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 10