导读:本文包含了跟踪人体关节论文开题报告文献综述、选题提纲参考文献，主要关键词:关节点,人体,人机,模型,关节,粒子,序列。
跟踪人体关节论文文献综述写法
季刚,张南[1]（2017）在《多特征光流跟踪人体关节点的运动员姿态分析模型》一文中研究指出为了提高运动员姿态分析的精确性,以量化运动员视频数据进行训练反馈,本文采用图像处理技术对运动员视频进行处理,提出了一种多特征光流跟踪人体关节点的运动员姿态分析模型。首先采用垂直积分投影、水平线扫描、索引查找表和长度比例约束相融合的多特征算法进行关节点提取,然后采用Lucas-Kanade光流跟踪算法对关节点的运动进行初步跟踪,最后采用比例正交投影模型将人体二维骨架模型变换到叁维空间,获得人体叁维姿态。模型仿真实验结果表明,本文所提出的动作识别及姿态分析系统可以很好地识别人体动作,从而进行运动分析,为体育运动训练提供可视化的帮助。(本文来源于《科技通报》期刊2017年12期）
陈曦,孟庆虎[2]（2015）在《骨架关节点跟踪的人体行为识别方法》一文中研究指出基于彩色图像的运动检测和分割方法难以获取完整的人体骨架,并且只能提取关节点的二维坐标信息,而Kinect传感器能通过捕获深度图像来重建完整的人体骨架关节点叁维模型,提高了骨架关节点模型的表示精度。本文通过Kinect的骨架跟踪模块对人体的骨架关节点模型进行提取;然后,提出一种坐标转换方法得到人体骨架关节点的叁维坐标表示,利用k均值聚类将关节点坐标量化为符号序列;最后,建立离散隐马尔可夫模型来进行人体行为识别。通过自建的数据集进行实验,实验结果表明:本方法能取得94%的识别率。(本文来源于《河南科技大学学报(自然科学版)》期刊2015年02期）
贾山,路新亮,韩亚丽,王兴松[3]（2014）在《在摆动相中用于下肢外骨骼跟踪人体踝关节轨迹的方法》一文中研究指出为实现外骨骼摆动腿踝关节对人体踝关节运动轨迹的跟踪,建立了外骨骼摆动腿逆运动学模型与卡尔曼滤波预测模型,并在外骨骼摆动腿踝关节处设置人机位姿误差传感器,同时进行了人体步态实验.仿真中以实验测取的人体踝关节相对于其髋关节的运动轨迹作为外骨骼踝关节的跟踪对象,并依此计算外骨骼踝关节处人机位姿误差.采用卡尔曼滤波器对外骨骼摆动腿的髋、膝关节位置进行预测,再利用外骨骼逆运动学模型对预测结果进行校正.结果表明:该方法能良好地实现外骨骼摆动腿踝关节对人体踝关节的运动轨迹跟踪,并且卡尔曼滤波预测能明显改善跟踪的滞后性,同时仅需检测外骨骼踝关节处的人机位姿误差也有助于简化人机之间的传感器布置.(本文来源于《东南大学学报(自然科学版)》期刊2014年01期）
邓学雄,张思亮,杨志成,李梦[4]（2013）在《人体关节运动跟踪》一文中研究指出基于计算机视觉的人体关节运动跟踪是建立在计算机基础上的可移植、可拓展的智能人机交互模式.通过极值点确定、初始位置确定、粗定位、精定位、带宽确定,获取运动人体关节的中心和带宽,从而识别人体关节.采用改进的Mean Shift算法对人体运动时的关节进行跟踪,应用改进的Kalman滤波器跟踪算法对运动目标的状态进行估计,解决了快速运动或突然变向的目标丢失的问题.最后,对改进前后Kalman滤波器跟踪算法的跟踪效果进行对比,验证了改进Kalman滤波器跟踪算法的优越性.(本文来源于《东华大学学报(自然科学版)》期刊2013年04期）
刘琼,彭光正,刘昊[5]（2011）在《基于粒子滤波算法的叁维关节型人体运动跟踪》一文中研究指出针对复杂背景,提出了一种新的基于叁维关节型人体模型和粒子滤波器的人体运动跟踪算法,并基于此开发了一套鲁棒性强、精度高的应用系统.首先构建一个简易且完备的叁维关节型人体模型.然后对经标定、校正之后的图像做背景减除,计算场景深度信息、前景轮廓信息、手臂轮廓信息,将这些特征与人体模型特征进行匹配,生成似然函数,使用粒子滤波得到模型的各个参数,恢复人体上身姿态.实验结果表明,此算法能够对各种复杂背景、不同光照条件、不同跟踪对象、各种姿态的人体进行跟踪,具有较强的适应性和抗干扰能力.(本文来源于《北京理工大学学报》期刊2011年02期）
陈卓[6]（2010）在《结合头—肩叁维模型的二维人体关节点跟踪方法研究》一文中研究指出人体运动跟踪是人体运动分析中一个积极而又重要的研究领域,而人体关节点跟踪又是人体运动跟踪的重要组成部分。本文的研究内容正是跟踪人体全身14个关节点。本文首先建立人体骨架二维模型进行尝试性实验跟踪人体全身关节点,基于该模型的跟踪方法使用粒子滤波器来完成跟踪,而利用粒子滤波在进行多目标跟踪时极易产生“粒子爆炸”问题,由此引入分块采样的策略来优化跟踪算法。而在单纯使用颜色信息进行直方图匹配时,容易产生因为各粒子之间过于自由而出现的“收缩”现象,本研究工作中独创性的提出利用人体生理信息的自定义肢体距离约束,通过该约束来限制并减小这种现象的发生。尽管如此,基于该模型的跟踪头部误差还是很明显的,而且这种误差在自顶向下的跟踪策略中不断累积并传播,无形中增大了其他关节点的跟踪误差。由此激发出一个对头部进行特殊跟踪处理的想法。接下来,本文提出了一个基于叁维模型的头部跟踪方法。该跟踪方法首先仍是建立可以反映人体头部生理结构特征不同于任何其它模型的头-肩叁维模型,叁维模型向平面投影即可获得二维图像模板,基于头-肩叁维模型的方法正是通过匹配图像观测与二维模板而完成跟踪的。该跟踪算法无需任何初始化过程,在匹配之前,对图像观测通过背景差分、二值化及边缘检测的方法来获得包括人体头部区域的ROI区域;匹配时利用边缘信息构造相似度计量函数。最后,本文将头-肩叁维模型整合到骨架二维模型中构造混合双模型,完成基于混合双模型的人体关节点跟踪。其中,利用头-肩叁维模型的跟踪方法跟踪头和双肩关节点,将跟踪结果直接用于骨架二维模型对于全身其他关节点的跟踪,该混合双模型充分吸取了头-肩叁维模型基于模板匹配算法的计算速度快和跟踪精度高的优点,同时保留了骨架二维模型对于全身关节点跟踪的应用性。(本文来源于《哈尔滨工业大学》期刊2010-06-01）
于虹[7]（2008）在《人体关节运动跟踪技术的研究》一文中研究指出人体运动分析是计算机视觉领域一个非常有前途的研究方向，对它的研究涉及计算机视觉、人工智能、模式识别和图像处理等学科领域，是一个跨学科的挑战性研究课题。人体运动分析的主要任务是对视频序列中的人体运动进行跟踪。由于人体运动的实质是骨骼围绕关节点的运动，因而人体关节运动跟踪技术的研究在人体运动跟踪中最具有代表性，它的准确跟踪使其在运动员动作分析、辅助临床诊断、计算机动画等方面有着广阔应用前景的研究课题。本文针对人体关节目标跟踪中存在的难点问题，进行了人体关节运动跟踪技术的研究。本文首先研究了核密度估计及无参密度估计均值偏移(Mean Shift)理论，其次，研究了应用于目标跟踪中的Mean Shift算法。针对目标在运动过程中，由于其自身等条件发生变化时，需要对模板进行更新的问题，进行了模板更新条件及模板更新方法的研究，本文提出了采用人体关节目标之间的Bhattacharyya距离作为模板更新的条件和新旧模板加权的更新方法，使传统Mean Shift算法对人体关节运动目标的跟踪精度得到提高。同时针对目标受光照变化等环境条件影响时，在传统Mean Shift算法中，若仅利用目标单一颜色特征对人体关节运动目标进行跟踪的不可靠性，研究了多种矩不变量方法，提出了基于Mean Shift的人体关节运动跟踪算法。该算法利用人体关节目标的速度、小波矩不变量和颜色分布特征进行目标跟踪，大大减轻了传统Mean Shift对运动目标受光照变化而造成的跟踪不准确性，且对运动目标的遮挡具有一定的容忍能力。进行了采用卡尔曼滤波缩小(Kalman Filter)对人体关节目标搜索范围的研究，提出了基于Kalman Filter和Mean Shift的人体关节运动跟踪算法。该跟踪算法充分利用卡尔曼滤波对人体关节目标在当前帧可能位置的预测，并发挥了运动目标的小波矩不变量和颜色分布特征在目标跟踪中的优势，为减少Mean Shift的迭代运算和提高Mean Shift的搜索效率提供了一种较为有效的途径。研究了对于遮挡等造成的多峰值、非高斯分布和非线性问题的目标跟踪算法，并针对利用目标单一特征信息往往很难实现对运动目标鲁棒跟踪的情况，提出了一种将目标特征信息的观测模型结合到无迹粒子滤波(UPF)中的人体关节运动跟踪算法。该方法充分利用无迹粒子滤波算法具有的多重假设以及最新的观测信息。实验结果表明，本论文提出的基于目标特征信息和UPF的人体关节运动跟踪算法很好地解决了目标被频繁遮挡的跟踪问题，并具有良好的鲁棒性。对人体关节目标在运动过程中出现较长时间遮挡导致无迹粒子滤波存在样本贫化现象，需要增加样本集的多样性，进行了智能优化算法的研究，提出了基于智能优化和无迹粒子滤波的人体关节运动跟踪算法，使无迹粒子滤波的样本贫化现象得到了改善。本论文在均值偏移、粒子滤波、无迹粒子滤波及智能优化算法等方面进行了较为深入的研究，取得了一些有益的成果。这些成果对人体关节运动目标的准确、鲁棒、可靠的跟踪起到了重要的作用。(本文来源于《哈尔滨工程大学》期刊2008-09-01）
王唯一,张明,金瑞华,陈爱兰[8]（2007）在《基于自动标注特征点的人体关节跟踪》一文中研究指出现有的基于人体特征点的关节跟踪方法大多采用手动标注特征点方式;提出了一种新的特征跟踪的方法,该方法能够对目标人体关节特征点进行自动标注,实现对人体关节点的自动跟踪;首先采用帧间差分和背景差分相融合的方法来分割运动人体,采用CANNY算子提取目标轮廓,自动标注关节特征点;然后采用LK光流算法跟踪标注的特征点;最后利用卡尔曼滤波线性跟踪来预测特征点出现的位置,从而修正那些产生跟踪错误的特征点;实验结果表明,该方法能够有效的对实际视频的目标人体进行特征点自动标注,取得较好的跟踪效果。(本文来源于《计算机测量与控制》期刊2007年10期）
周兴龙[9]（2006）在《视频序列中运动目标检测与人体关节点的跟踪识别研究》一文中研究指出计算机视频图像分析在军事、医学、工业、交通等方面有着广泛的应用。把计算机视频图像分析技术应用于体育科学,对运动员的运动过程进行自动识别与跟踪,有助于对运动技术动作进行分析,对运动员科学训练和运动技术诊断等都能起到很好的作用。本论文在查阅大量文献资料的基础,主要对视频图像采集系统的组建、运动目标的检测、人体关节点识别跟踪叁方面进行了研究。在视频图像采集系统的组建中,介绍了视频图像采集系统历史和发展,在当前条件下,选取MiniDV数码摄像机和普通PC机作为视频采集硬件。应用Microsoft DirectShow技术,编写了DV视频采集程序。整套视频图像采集系统的软、硬件构成满足运动技术图像分析的要求。在运动目标检测研究方面,根据视频分割算法的主要特点,介绍了基于运动的分割技术、时空分割技术、交互式分割技术。指出了各种不同算法的优缺点。在此基础之上,本论文应用了一种改进的二次帧差运动目标检测算法,通过此算法实验结果,表明本论文的改进的二次帧差运动目标检测算法有较好的检测效果,分割出的图像质量满足快速反馈系统的要求。在关节点位置识别跟踪研究方面,首先介绍了几种常用的目标特征和匹配算法。通过对己有算法的分析,提出了一种基于图像纹理分析的匹配准则,以一块区域的直方图的矩作为像素块的匹配准则。通过改进的四步运动矢量查找算法,进行关节点的匹配识别。实验结果表明此跟踪方法对贴有标志点的关节点识别效果满意,对无标志点的关节匹配效果有待提高。(本文来源于《北京体育大学》期刊2006-04-20）
郝艳[10]（2006）在《举重运动图像序列中人体关节点的识别与跟踪》一文中研究指出举重运动是一种力量型的比赛,但力量的大小并不是赢得比赛的唯一因素。运动员的成败除了取决于力的大小,还应该结合科学合理的技术动作,对举重训练进行科学的指导。举重运动分析系统就是研究如何利用计算机强大的运算功能,对举重动作进行力学分析,帮助运动员科学进行训练。举重运动分析把生物力学和计算机视觉技术结合起来,通过计算机对运动员的技术动作进行分析,可以得出各种形象的棒图和数据曲线,由这些棍图和曲线看到一名运动员的技术结构,帮助运动员提高成绩。对举重运动分析首先要获取运动的图像序列,图像序列是随时间变化的一系列图像,图像之间有固定的时间间隔。将现实中连续的动作通过离散的图像序列表示出来,就可以把运动的分析过程就转化为对运动图像序列的分析。利用运动图像序列进行人体运动分析包括叁个主要步骤:(1)从背景中提取人体(2)人体运动的识别和跟踪(3)人体形为的分析和理解。其中人体运动的识别和跟踪是一个关键步骤,是运动行为分析和理解的基础。其任务是从包含人体运动的图像序列中恢复人体的结构参数,并对人体运动参数进行估计。其中(1)(2)步是第(3)步的基础,也是论文研究的重点。论文阐述了如何运用人体运动分析的理论和方法对举重运动图像序列进行处理,将作为特征的人体关节点从运动图像序列中提取出来,建立序列图像中每帧的关节点的对应关系。人体运动识别和跟踪的方法有多种,例如光流场的方法,块匹配的方法,特征的方法等等。通过对不同方法的分析和比较,举重运动分析系统采用基于特征的方法,把加标志的人体的关节点作为特征识别出来,再进行跟踪和标定。识别和跟踪关节点的过程如下:先用背景模型差影法去除背景,最优阈值迭代法进行阈值分割,然后再通过连通区域判断的方法去除干扰噪声,可以有效地把特征点从背景中提取出来。识别之后再计算每帧图像中关节点的质心坐标,在相邻帧中根据质心的距离对关节点匹配,建立各帧中各关节点之间的对应关系。论文通过对多种方法的比较,论述了基于举重运动图像序列的人体关节点的识别方法和实验结果。本文采用基于特征的识别跟踪方法,将加标志的人体关节点作为识别和跟踪的特征,突出了特征,使识别过程变得简单有效。实验结果表明,识别过程中采取的背景模型差分法和最优阈值分割法是适合举重图像序列的较为有效的方法,实现了关节点的自动识别。识别和跟踪的过程中,提出了对部分直方图迭代的最优阈值分割方法,较好地实现了对小目标图像的分割,在基于外接矩形匹配的基础上提出了距离匹配的跟踪方法,避免了模板匹配的大量计算和模板更新操作,可以实现多目标的跟踪。识别和跟踪之后的工作是根据正侧面同时采集的图像恢复关节点的叁维坐标值,再计算出运动过程中关节点的速度,加速度,角度等参数,利用这些参数对运动员的动作做进一步的力学分析。本文的工作重点在关节点的识别和跟踪上。论文在最后部分,对举重运动系统中所存在的不足,进一步完善以及今后的工作重点提出了自己的见解和意见。(本文来源于《广西师范大学》期刊2006-04-01）
跟踪人体关节论文开题报告范文
（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：
基于彩色图像的运动检测和分割方法难以获取完整的人体骨架,并且只能提取关节点的二维坐标信息,而Kinect传感器能通过捕获深度图像来重建完整的人体骨架关节点叁维模型,提高了骨架关节点模型的表示精度。本文通过Kinect的骨架跟踪模块对人体的骨架关节点模型进行提取;然后,提出一种坐标转换方法得到人体骨架关节点的叁维坐标表示,利用k均值聚类将关节点坐标量化为符号序列;最后,建立离散隐马尔可夫模型来进行人体行为识别。通过自建的数据集进行实验,实验结果表明:本方法能取得94%的识别率。
（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。
跟踪人体关节论文参考文献
[1].季刚,张南.多特征光流跟踪人体关节点的运动员姿态分析模型[J].科技通报.2017
[2].陈曦,孟庆虎.骨架关节点跟踪的人体行为识别方法[J].河南科技大学学报(自然科学版).2015
[3].贾山,路新亮,韩亚丽,王兴松.在摆动相中用于下肢外骨骼跟踪人体踝关节轨迹的方法[J].东南大学学报(自然科学版).2014
[4].邓学雄,张思亮,杨志成,李梦.人体关节运动跟踪[J].东华大学学报(自然科学版).2013
[5].刘琼,彭光正,刘昊.基于粒子滤波算法的叁维关节型人体运动跟踪[J].北京理工大学学报.2011
[6].陈卓.结合头—肩叁维模型的二维人体关节点跟踪方法研究[D].哈尔滨工业大学.2010
[7].于虹.人体关节运动跟踪技术的研究[D].哈尔滨工程大学.2008
[8].王唯一,张明,金瑞华,陈爱兰.基于自动标注特征点的人体关节跟踪[J].计算机测量与控制.2007
[9].周兴龙.视频序列中运动目标检测与人体关节点的跟踪识别研究[D].北京体育大学.2006
[10].郝艳.举重运动图像序列中人体关节点的识别与跟踪[D].广西师范大学.2006