基于外观模型的人体下肢关节点定位方法

计算机工程与应用 ›› 2008, Vol. 44 ›› Issue (10): 67-70.

基于外观模型的人体下肢关节点定位方法

杨路明,桂彦,曾庆东

中南大学信息科学与工程学院，长沙 410083

收稿日期:2007-07-16 修回日期:2007-09-18 出版日期:2008-04-01 发布日期:2008-04-01
通讯作者: 杨路明

Locating method about lower limber joints of human body based on appearance model

YANG Lu-ming,GUI Yan,ZENG Qing-dong

College of Information and Engineering，Central South University，Changsha　410083，China

Received:2007-07-16 Revised:2007-09-18 Online:2008-04-01 Published:2008-04-01
Contact: YANG Lu-ming

摘要/Abstract

摘要： 近年来，人体下肢关节点定位成为了人体运动跟踪与分析中一个重要研究课题。提出了一种下肢关节点自动定位方法，从无关节标记的人体运动图像序列中定位下肢关节点。该方法首先采用背景剪除技术从图像序列中分割人体目标对象，并建立人体下肢骨架模型。然后，利用关节角度预测方法估计膝踝关节点的位置，在基于下肢外观模型的匹配计算基础上获得下肢关节点的真实位置。实验结果表明，该方法简单有效，下肢关节点定位结果令人满意。

关键词: 人体运动跟踪, 人体运动分析, 下肢, 外观模型, 关节点定位

Abstract: The lower limber joint of human body location is currently one of the most important research topics in the domain of human motion tracking and human motion analysis.A novel approach is proposed for locating lower limber joints of human body from image sequences without markers.First the method employs a background subtraction to separate human object，and builds skeleton model of human lower limbers.Second the approach uses the prediction of joint-angles to evaluate the position of knee and ankle，and captures the exact position of lower limber joints through matched computing based on appearance model.Experimental results show that the approach is simple and effective，and the locating results are satisfactory.

Key words: human motion tracking, human motion analysis, lower limbers, appearance model, joint position location

杨路明,桂彦,曾庆东. 基于外观模型的人体下肢关节点定位方法[J]. 计算机工程与应用, 2008, 44(10): 67-70.

YANG Lu-ming,GUI Yan,ZENG Qing-dong. Locating method about lower limber joints of human body based on appearance model[J]. Computer Engineering and Applications, 2008, 44(10): 67-70.

[1]	刘瑛奇1，管小荣1，李仲1，邹凯帆1，毛喜旺2. 下肢助行外骨骼步态规划与仿真研究[J]. 计算机工程与应用, 2019, 55(11): 221-228.
[2]	沈建冬，陈恒. 融合HOG和颜色特征的人体姿态估计新算法[J]. 计算机工程与应用, 2017, 53(21): 190-194.
[3]	韩贵金. 加权SVDD算法在人体姿态估计中的研究与应用[J]. 计算机工程与应用, 2017, 53(15): 132-136.
[4]	黄忠1，2，胡敏2，刘娟1. 基于AAM-SIFT特征描述的两级SVM人脸表情识别[J]. 计算机工程与应用, 2016, 52(3): 178-183.
[5]	李敏1，2，宋曰聪1，吴斌3，彭保3. 基于Beowulf机群中改进粒子滤波的3D人体运动跟踪[J]. 计算机工程与应用, 2015, 51(14): 17-22.
[6]	张晓静1，2，蒋冬梅1，2，FAN Ping3，SAHLI Hichem3. 基于改进异步DBN模型的听视觉融合情感识别[J]. 计算机工程与应用, 2014, 50(21): 162-165.
[7]	王李冬，王玉槐. 基于AAM模型和RS-SVM的人脸识别研究 [J]. 计算机工程与应用, 2009, 45(22): 140-143.
[8]	钱永林，王雷. 基于形状-色彩的改进的Laplacianface人脸识别算法[J]. 计算机工程与应用, 2007, 43(25): 210-213.