基于模板模型的实时人体姿态跟踪研究

doi:10.3778/j.issn.1002-8331.1603-0045

计算机工程与应用 ›› 2017, Vol. 53 ›› Issue (12): 147-151.DOI: 10.3778/j.issn.1002-8331.1603-0045

基于模板模型的实时人体姿态跟踪研究

朱耀麟1，田丽1，万韬阮2

1.西安工程大学电子信息学院，西安 710048
2.布拉德福德大学媒体与信息学院，英国布拉德福德

出版日期:2017-06-15 发布日期:2017-07-04

Real-time human posture tracking method based on template

ZHU Yaolin1, TIAN Li1, WAN Taoruan2

1.College of Electronic and Information, Xi’an Polytechnic University, Xi’an 710048, China
2.School of Computing, Information and Media, University of Bradford, Bradford, England

Online:2017-06-15 Published:2017-07-04

摘要/Abstract

摘要： 人体姿态跟踪是分析和识别人类行为的基础，具有广阔的应用范围。针对实时人体姿态跟踪问题，提出一种基于模板模型的人体姿态实时跟踪方法，该方法采用深度摄像头Kinect捕捉测试者的3D数据信息，并使用线性公式联合估计身体的姿态和运动。实验结果表明，该算法实现了实时人体姿态的跟踪，且可根据单个深度图的数据有效地处理明显的遮挡问题。系统设备成本低、结构简单，输出的网格能够准确地适应测试者的运动和身体形态，并随着时间的推移保持相同的拓扑结构。

关键词: 深度摄像头, 模板模型, 人体姿态, 实时跟踪

Abstract: 人体姿态跟踪是分析和识别人类行为的基础，具有广阔的应用范围。针对实时人体姿态跟踪问题，提出一种基于模板模型的人体姿态实时跟踪方法，该方法采用深度摄像头Kinect捕捉测试者的3D数据信息，并使用线性公式联合估计身体的姿态和运动。实验结果表明，该算法实现了实时人体姿态的跟踪，且可根据单个深度图的数据有效地处理明显的遮挡问题。系统设备成本低、结构简单，输出的网格能够准确地适应测试者的运动和身体形态，并随着时间的推移保持相同的拓扑结构。

Key words: 深度摄像头, 模板模型, 人体姿态, 实时跟踪

朱耀麟1，田丽1，万韬阮2. 基于模板模型的实时人体姿态跟踪研究[J]. 计算机工程与应用, 2017, 53(12): 147-151.

ZHU Yaolin1, TIAN Li1, WAN Taoruan2. Real-time human posture tracking method based on template[J]. Computer Engineering and Applications, 2017, 53(12): 147-151.

[1]	张越，黄友锐，刘鹏坤. 引入注意力机制的多分辨率人体姿态估计研究[J]. 计算机工程与应用, 2021, 57(8): 126-132.
[2]	李俊侠，张秦，郑桂妹. 超宽带雷达人体姿态识别综述[J]. 计算机工程与应用, 2021, 57(3): 14-23.
[3]	陈艳杰，舒大伟，杨吉江，王欢，王青，雷毅. 儿童运动协调障碍AI诊断系统研究综述[J]. 计算机工程与应用, 2021, 57(2): 28-36.
[4]	王发明，李建微，陈思喜. 三维人体姿态估计研究综述[J]. 计算机工程与应用, 2021, 57(10): 26-38.
[5]	吴春梅，胡军浩，尹江华. 利用改进生成对抗网络进行人体姿态识别[J]. 计算机工程与应用, 2020, 56(8): 96-103.
[6]	田元，李方迪. 基于深度信息的人体姿态识别研究综述[J]. 计算机工程与应用, 2020, 56(4): 1-8.
[7]	邓益侬，罗健欣，金凤林. 基于深度学习的人体姿态估计方法综述[J]. 计算机工程与应用, 2019, 55(19): 22-42.
[8]	戎海龙1，彭翠云2. 一种适用于惯性-地磁组合的自适应卡尔曼算法[J]. 计算机工程与应用, 2018, 54(3): 57-63.
[9]	韩贵金. 基于改进CNN和加权SVDD算法的人体姿态估计[J]. 计算机工程与应用, 2018, 54(24): 198-203.
[10]	赵勇1，2，巨永锋1. 基于条件先验人体模型的人体姿态估计[J]. 计算机工程与应用, 2018, 54(16): 24-29.
[11]	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.
[12]	朱珏钰1，曹亚微2，周书仁2，李峰2. 基于随机森林深度特征选择的人体姿态估计[J]. 计算机工程与应用, 2017, 53(2): 172-176.
[13]	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.
[14]	曹亚微，周书仁. 基于BPOF特征与深度图像的人体姿态估计研究[J]. 计算机工程与应用, 2016, 52(1): 168-172.
[15]	周博翔，李　　平，李　　莲. 改进随机森林及其在人体姿态识别中的应用[J]. 计算机工程与应用, 2015, 51(16): 86-92.

基于模板模型的实时人体姿态跟踪研究

Real-time human posture tracking method based on template

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics