导读:本文包含了视觉运动分析论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:视觉,人体,稀疏,卡尔,单摆,目标,机械运动。
视觉运动分析论文文献综述
余家林[1]（2018）在《基于视觉的叁维人体运动分析》一文中研究指出基于视觉的叁维人体运动分析是计算机视觉和模式识别领域中的热门研究话题,其旨在基于人体构造、人体运动等先验知识,采用特定的机器视觉算法自动地从视觉观测数据中检测和发现“人体”并重建其叁维运动。重建的人体运动是采用一种具有对称结构由众多关节连接而成的人体模型来表达。该领域的研究涉及多个学科,在高级人机交互、安防系统、虚拟现实、体育竞技以及医疗分析等领域具有广阔的应用前景。本论文主要研究图像和视频序列中的叁维人体姿态估计和跟踪。主要研究成果如下所示:(1)为了准确有效地从多视角图像中重建叁维人体姿态,论文提出了一种基于多核稀疏编码(MKSC)的人体姿态估计算法。首先,针对连续帧姿态估计中的歧义问题,算法提供了一种用于描述视觉观测的HA-SIFT描述子,其中,人体局部拓扑、肢体相对位置以及外观信息被同时编码;然后,在多核学习框架下建立同时考虑特征空间本质流形结构与姿态空间几何信息的目标函数,并在希尔伯特空间中优化目标函数以更新稀疏编码、过完备字典以及多核函数权值;最后,利用姿态字典中原子的稀疏线性组合来估计对应未知输入的叁维人体姿态参数。另外,论文将MKSC与核稀疏编码、拉普拉斯稀疏编码以及贝叶斯稀疏编码做了对比分析,验证了该方法的有效性。(2)在生成式框架内,论文提出了一种基于行为时空语义引导的叁维人体姿态跟踪算法,该算法充分利用了人体在运动过程中的时间和空间语义信息。其中,通过建立全局时间流形运动模板来捕获行为时间语义,而通过分析人体在运动过程中各个肢体之间的局部运动关联来挖掘行为空间语义。论文将这两种高级语义知识作为先验信息来引导姿态跟踪过程,即是保留遵从语义知识的姿态假设,而丢弃违背语义知识的姿态假设,实现对初级姿态假设的修正与更新,从而克服单目运动分析系统中的多值映射问题。(3)针对多维结构数据拉伸所造成的维度灾难和结构信息丢失问题,论文提出了一种鲁棒稀疏张量子空间学习算法(RSTSL),该算法明确使用张量数据来描述视觉观测,代替了传统的基于矢量的表达。另外,RSTSL是对现有张量学习的稀疏扩展,通过向RSTSL的目标函数引入k-模优化和弹性网算法,可得到一组内部相关的稀疏判别投影矩阵,进而从输入高阶张量中提取最具判别力的低维张量特征(LDTF)。最后,论文提出了一种最优秩支持张量回归模型(ORSTR)来从LDTF中恢复相应的叁维姿态。(4)鉴于复杂多样的行为类型以及高维的状态空间,多行为人体姿态跟踪仍然是计算机视觉领域当中的一项极具挑战性的难题。为了缓解这些难题,论文提出了一种新的生成式框架,该框架首先将多行为训练序列中的相似姿态序列和非相似姿态序列分别建模至一组联合式和分离式运动模型中,并将这两类运动模型合并为一个新的复合模型。这样既可以结合两类模型各自的优势,又能弥补它们各自的缺陷。一方面,人体姿态跟踪得益于低维隐空间中的人体行为描述,但是,隐空间中的行为描述复杂度随着行为数量增加而增加,多行为的分离式建模就显得尤为重要。另一方面,一个长时运动序列中往往存在多个相似行为,这些相似行为的联合式建模既能够增强姿态跟踪的稳定性,又能在一定程度上减少运动模型的数量;其次,在复合运动模型上搭建一组短而平滑的过渡桥,主要用于行为的切换;最后,论文将多行为姿态跟踪建立为一个在复合运动模型上的联合优化问题,为此,论文提出了一种基于粒子的联合退火优化算法(JSA)。(5)针对叁维人体运动数据捕捉难的问题,论文提出了一种对偶源框架:第一个数据源仅包含了叁维姿态数据;而第二个数据源则包含了图像及对应的二维姿态标记。特别地,这两个数据源并非同步,而是相互独立的,即第一个数据源中的叁维姿态并不与第二个数据源中的观测图像对应。给定一幅测试图像,首先,利用第一个数据源来分别学习一个二维和叁维姿态字典;其次,利用第二个数据源来学习一个二维姿态估计器来推断测试图像中人体的二维姿态;然后,提出一种局部拓扑保存的稀疏编码(LTPSC)算法对估计的二维姿态做编码;最后,利用获取的稀疏系数就能够从叁维姿态字典中检索到测试图像的叁维姿态候选,并通过优化算法从中挑选最优候选来作为最终输出。(6)针对单视角特征的不完备性以及数据样本局部信息丢失问题。论文提出了一种基于多视角特征嵌入(MFE)与局部敏感的自动编码器(LSAE)。一方面,论文提出了一种流行正则稀疏低秩逼近算法(MRSLRA)来获取MFE,然后,输入图像就可以用一种融合特征描述子来表达;另一方面,采用LSAE分别编码融合特征以及姿态数据,从而获取相应的二维和叁维隐表达。最后,一个两层的反向传播神经网(BP-NN)作为二维和叁维隐表达之间的非线性映射模型,用于估计测试图像的叁维人体姿态。(7)针对单假设优化问题,论文提出了一种基于量子衍生克隆的叁维人体运动分析算法(QBCA)。该算法有别于传统的基于粒子滤波等确定性优化算法,其是在传统的克隆算法中引入了量子计算,从而形成了QBCA这种不确定性优化算法。QBCA在克隆选择算法中融入了量子计算的并行性和迭加性,克服了单假设优化问题中的缺陷。另外,QBCA利用变异算子来实现种群变异,并利用克隆算子来扩大种群规模以增大解的搜索空间,这就有利于寻找目标函数的全局最优解,以获取更准确的叁维人体姿态。(本文来源于《华南理工大学》期刊2018-04-12）
李炉锋,廖生海,孟宪嵩,王国栋[2]（2016）在《基于计算机视觉的机械运动分析》一文中研究指出利用Matlab的计算机视觉跟踪功能,以单摆的大角度运动为例,研究了机械运动的位移与时间的关系,并且直接给出阻尼等不易测量的参量,提高了实验的精度和准确性.(本文来源于《物理实验》期刊2016年11期）
段作栋[3]（2016）在《基于主动视觉的河蟹运动分析方法研究》一文中研究指出由于河蟹昼伏夜出的习性,对自动运动及行为分析带来诸多难题。针对低照度条件下河蟹视频目标难以准确检测、图像特征难以准确提取以及传统视频目标运动跟踪算法适用性差等问题,本文研究了适用于河蟹运动分析的计算机视觉运动分析方法,主要工作和创新点如下:(1)提出了一种基于改进Retinex算法和频率调谐显着性估计算法的低照度河蟹目标检测方法,来解决低照度条件下河蟹视频目标难以检测的问题。通过在传统Retinex算法中加入双边滤波器进行噪声处理,有效地提高了低照度图像的对比度;图像增强后,利用频率调谐显着性估计算法实现了河蟹目标的自动检测。实验验证,相较于传统Retinex算法,改进Retinex算法的峰值信噪比有大幅度提升;在低照度条件下所提目标检测方法的平均检测准确度为89%。提出了一种改进的图割算法用于河蟹蟹壳区域的精细分割,来解决低照度图像特征难以提取的问题。改进的图割算法是基于河蟹目标检测结果和手动标记种子像素区域的双通道输入。实验验证,所提分割算法在低照度条件下河蟹蟹壳区域的平均目标覆盖率为90.6%,优于分水岭算法的平均目标覆盖率79.3%。(2)提出了一种基于蟹壳区域像素数量特征的河蟹重量估计方法;实验验证,所提河蟹重量估计方法的平均相对误差为±3.92%。提出了一种改进的Camshift河蟹视频目标运动跟踪算法,来解决传统视频目标运动跟踪算法适用性差的问题。在传统Camshift视频目标运动跟踪算法的基础上,加入目标区域分块机制,以河蟹颜色概率分布特征为依据,河蟹蟹壳所在区域设置较高的权值。实验验证,所提跟踪算法可在河蟹的多种运动状态包括旋转运动,保持较高的跟踪准确度,在河蟹视频数据集上可以连续准确地跟踪达到5568帧。基于所提跟踪算法研发了一套河蟹视频单目标运动跟踪系统,可用于获取河蟹视频单目标的运动轨迹、速度等运动信息。针对河蟹多目标跟踪问题,提出了一种基于目标检测的河蟹多目标跟踪方法,可用于辅助河蟹运动行为分析;实验验证,在河蟹视频数据集上具有较好的跟踪效果,可用于获取河蟹多目标的运动轨迹、速度等运动信息。(本文来源于《山东农业大学》期刊2016-05-25）
董俊峰[4]（2015）在《基于视觉的人体运动分析技术研究》一文中研究指出人体运动分析技术是指从一个或多个视角来对行人目标的姿态以及动作行为进行分析研究的技术,它涉及到了计算机图形学、机器学习、模式识别、人体运动学以及物理光学等多个学科,能够应用于视频智能监控、人机交互、虚拟现实、身份识别等多个领域。人体运动分析主要是从视频序列中提取出运动的人体目标,然后提取人体目标的特征,利用其特征对动作行为进行分类和识别。本文主要研究了单目视觉和双目视觉下的人体运动分析技术。在单目视觉下,采用了基于模板匹配的二维形状的人体运动分析方法。主要提出了一种改进的人体骨架抽取的细化算法,结合人体前景轮廓外接矩形的几何特征以及人体骨架Hu不变矩,利用K近邻分类算法(KNearest Neighbor, KNN)对人体动作行为特征进行分类和识别。在双目视觉下,本文主要提出了基于肤色模型的人脸和双手等肤色区域的检测方法,结合双目相机标定获取左右相机的参数,利用双目立体视觉原理计算得到人脸和双手等关键部位的叁维空间坐标。本文还提出了一种基于矢量夹角的人体姿态的分析识别方法,利用人脸和双手等关键部位的叁维坐标信息,对人体的姿态及运动速度变化进行分析。本文的主要创新点如下：(1)在单目视觉下,本文提出了一种改进的Zhang-Suen细化算法,并将其应用于人体行为数据库中,提取到运动人体的骨架,并计算了人体骨架的Hu不变矩特征,将其和运动人体前景的矩形度、圆形度等几何特征作为人体行为的数据特征作为K近邻算法的训练和测试集,最后判别人体的动作行为的类别。(2)在双目视觉下,本文提出了YCbCr颜色空间下人脸和双手肤色区域的检测方法。通过检测出的人脸和双手,计算了其二值图像中肤色区域的质心,并提出了一种基于肤色区域块质心邻域的稀疏匹配算法。该算法主要通过计算左右二值图像的目标区域的灰度均值和方差,并计算出左右质心邻域的相关系数求出最佳匹配的质心对；在人体动作识别过程中,利用双目立体视觉原理计算出了人脸和双手等肤色区域质心的叁维空间坐标,提出了基于脸手叁角的人体姿态分析识别方法,并开发了一套双目视觉下的人体运动深度和运动速度变化的估计系统。(本文来源于《北方工业大学》期刊2015-06-30）
王弘毅[5]（2014）在《基于计算机视觉的人体运动分析》一文中研究指出基于计算机视觉的人体运动分析是近年来机器视觉和图像处理领域中备受关注的研究方向。人体运动分析系统通常涉及到图像预处理,目标检测、跟踪和识别,以及运动的理解和描述。开发计算机视觉的主要目的是使计算机和人进行顺畅的交流,并理解人的语言、手势和其他动作,进一步的可超越人类大脑所能完成的任务。人体运动分析在虚拟现实、智能监控、人机交互、视频检索、医疗诊断等领域具有广阔的应用前景与经济价值。然而,由于人体运动复杂性和特殊性的限制,使得该研究仍处于初级阶段。例如在运动跟踪过程中,实验人员需要手动标记初始帧的初始点；在动作识别方面,适用于人体运动分析的机器学习方法不够完善。结合目前人体运动分析的研究现状和特点,本文主要研究固定背景下基于单目视觉的人体运动分析系统,在视频序列中对于运动目标检测、人体动作识别和目标跟踪方法等方面开展了创新性工作。本文所做的研究工作主要包括：1.在运动目标检测方面,对当前运动目标检测技术进行了总结,并给出了部分算法的实验结果,重点分析了单目摄像机下的背景差分法。通过背景差分法获取初步的人体轮廓,为了获取较为平滑的目标轮廓,利用数学形态学去除噪声,并加入图像连通域大小的判断算法,设定一个特定阈值,将小于该阈值的噪声块连通域去除。2.在人体动作识别方面,本文选取了10个人体运动特征,包括最小外界矩形宽高比、矩形度、圆形度、7个Hu不变矩。选用人体运动特征的标准是抗噪性强、区分明显等特点。然后使用SVM对叁类人体运动图像进行分类识别,通过交叉验证和参数寻优后,识别准确率有明显提升。3.在运动目标跟踪方面,给出了融合Mean Shift和卡尔曼滤波的具体跟踪算法,并绘出行走动作的轨迹跟踪线。为了客观的评价融合Mean Shift和卡尔曼滤波算法跟踪效果,计算出实际人体中心点与Mean Shift算法跟踪点之间的欧氏距离,再将欧氏距离数组分别与原始图像的对角线像素距离做除法运算。最后,在Visual C++6.0环境下编程了实现人体运动分析系统。实验结果表明,作者提出的动作识别算法识别准确率较高,人体跟踪算法效果较传统的Mean Shift算法有明显的提高。(本文来源于《北京交通大学》期刊2014-03-01）
魏泽鼎,王占永,贾俊国[6]（2013）在《基于视觉的采棉机器人机械手定位运动分析》一文中研究指出基于机器人的视觉,结合棉花生长的特点和环境,对采棉机械手的运动进行了规划,对目标定位算法进行了设计。提出了"视觉"定位的方法。在研究了末端执行器接近目标的方法基础之上,设计了电路寻迹装置,实现了机械手对目标的寻的控制。(本文来源于《中国农机化学报》期刊2013年02期）
许竞,姜波[7]（2012）在《基于立体视觉的摄像机运动分析》一文中研究指出本文提出一种应用在机器人视觉自主导航中的定量分析摄像机运动参数的方法。首先利用立体视觉技术对选定的特征点进行叁维测量,然后提出了点于图像坐标系中运动的卡尔曼滤波模型进行帧间的点追踪,最后利用相邻两帧对应特征点的图像坐标应用到投影变换模型中得到摄像机的运动参数。实验证明本算法估计出的摄像机运动参数具有精度高、实时性好等特点。(本文来源于《制造业自动化》期刊2012年13期）
楼竞[8]（2011）在《基于视觉的人体运动分析综述》一文中研究指出目前,人体运动分析已成为计算机视觉研究领域的热点问题,已被广泛地应用于虚拟现实、视频监控、人机接口等不同场合。基于视觉的人体运动分析,主要研究视频场景中人体目标的检测、识别、描述和跟踪,此外还包括人体行为模式的理解等。近些年来,针对这些课题产生了大量的方法和应用,该文对相关的研究做一综述,并给出了本课题所面临的挑战和未来的研究方向。(本文来源于《电脑知识与技术》期刊2011年32期）
阮涛涛,姚明海,瞿心昱,楼中望[9]（2011）在《基于视觉的人体运动分析综述》一文中研究指出基于视觉的人运动分析越来越受到计算机视觉领域研究者的广泛关注,它成为图像分析、心理学、人工智能等领域的研究热点,在智能视频监控、虚拟现实、用户接口、运动分析等方面有着广泛的应用。从运动目标检测、运动目标分类、人体运动跟踪、人体行为识别与描述四个环节综述了人体运动分析的研究现状,分析了存在的一些问题和未来的研究发展方向。(本文来源于《计算机系统应用》期刊2011年02期）
胡海霞[10]（2009）在《视觉运动分析中的线特征提取与匹配方法研究》一文中研究指出线特征是人类感知的重要线索,视觉运动分析方法中常常要用到图像序列中的线特征作为中间研究介质,因此本论文主要研究视觉运动分析中的线特征提取方法及匹配方法。基于边缘检测和Hough变换的方法是进行线特征提取的两类常见方法,本文首先对这两类方法进行了讨论分析,然后重点研究了基于Beamlet变换的线特征提取方法。Beamlet分析方法中最主要的问题是计算量较大。针对这一问题,本文提出了一种改进算法,这个算法依据离散Beamlet基的对称和平行等几何关系,对离散Beamlet基进行有效分类,在一定程度上减少了Beamlet变换的计算量,提高了线特征提取的速度。同时,根据原Beamlet分析方法中利用复杂惩罚能量方法和杨等提出的阈值化最大Beamlet能量方法对提取实际复杂结构图像中的线特征效果均不理想问题,本文提出了一个新的二进方块统计量和建立了一个新的能量函数加以改进,使提取的效果更为清晰,有效线特征的数量更多。通过人工和真实图像的实验结果证实了本文方法的有效性。用基于特征的方法进行叁维运动估计和结构重建时,通常依赖特征的对应问题,也即特征的匹配。特征匹配问题一般涉及到特征描述问题。本文讨论了直线特征和曲线特征的描述方法,详细介绍了一种基于特征向量的直线特征描述和匹配方法和一种基于夹角链码的曲线描述和匹配方法。针对基于特征向量的直线特征匹配方法中得到的候选模型数量仍较多的问题,本文提出了改进。该改进方法大大减少了候选模型的数量,从而减少了匹配的计算量,提高匹配的速度,通过人工图像的实验结果,证实了改进方法的有效性。根据Beamlet分析方法提取的线特征的特点和基于夹角链码的曲线描述方法,本文提出了一种新的旋转、尺度和平移不变的曲线描述方法,称其为“Beamlet夹角链码”。这种方法计算量小并且具有较好的鲁棒性。通过人工和真实图像的实验结果和算法分析,证实了该方法的合理性和有效性。(本文来源于《南昌航空大学》期刊2009-06-01）
视觉运动分析论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
利用Matlab的计算机视觉跟踪功能,以单摆的大角度运动为例,研究了机械运动的位移与时间的关系,并且直接给出阻尼等不易测量的参量,提高了实验的精度和准确性.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
视觉运动分析论文参考文献
[1].余家林.基于视觉的叁维人体运动分析[D].华南理工大学.2018
[2].李炉锋,廖生海,孟宪嵩,王国栋.基于计算机视觉的机械运动分析[J].物理实验.2016
[3].段作栋.基于主动视觉的河蟹运动分析方法研究[D].山东农业大学.2016
[4].董俊峰.基于视觉的人体运动分析技术研究[D].北方工业大学.2015
[5].王弘毅.基于计算机视觉的人体运动分析[D].北京交通大学.2014
[6].魏泽鼎,王占永,贾俊国.基于视觉的采棉机器人机械手定位运动分析[J].中国农机化学报.2013
[7].许竞,姜波.基于立体视觉的摄像机运动分析[J].制造业自动化.2012
[8].楼竞.基于视觉的人体运动分析综述[J].电脑知识与技术.2011
[9].阮涛涛,姚明海,瞿心昱,楼中望.基于视觉的人体运动分析综述[J].计算机系统应用.2011
[10].胡海霞.视觉运动分析中的线特征提取与匹配方法研究[D].南昌航空大学.2009
论文知识图
