基于深度图的实时部位识别和姿态估计技术与系统计算机应用技术专业论文.docxVIP

优秀毕业论文 精品参考文献资料 浙江大学硕士学位论文 浙江大学硕士学位论文 摘要 摘要 实时姿态估计技术被广泛应用于体感交互、安全控制、医疗诊断等领域。深 度图能直接反映拍摄场景的准确空间信息，大大降低了姿态估计的难度。但由于 现有技术的封闭性，无法实现跨平台应用，特别是面向移动平台的开发。 本文实现了具有自主知识产权的基于深度图的姿态估计中间件平台。通过一 种基于人体部位的姿态骨架表征作为中间过渡，将复杂的姿态估计问题转变为较 简单的逐像素的目标识别问题，降低计算复杂度，取得实时性能和准确率的平衡。 本文使用了简单的深度比较特征和有效的随机森林识别模型，用于逐像素标识人 体部位；再通过基于部位识别结果的聚类获得感兴趣的几个骨架节点的三维位置。 采用动作捕捉数据和计算机图形渲染技术合成训练样本，构建大规模、多样性的 训练数据库。 针对交互应用在数据库中特别增加了更多的手部姿势，并从表面深度特征、 动作时序特性等多方面优化了系统的实时性能。分别在合成和真实测试集上测试 了系统的实时性能和准确度，并详细的测试与分析了识别模型各项训练参数的有 效性。系统在普通PC平台的处理效率可达30～50 fps左右，在Android平板电 脑达到10～15fps左右，在合成测试集上的部位识别准确率达到70％～90％左右。 系统在不同平台均表现出较高的准确率和实时性能，满足交互应用等的需求。 关键词： 姿势估计，深度图，人体部位识别，随机森林 浙江大学硕士学位论文Abstract 浙江大学硕士学位论文 Abstract Real—time pose estimation is widely used in motion based interface，security control，medical diagnostics and etc．The task has recently been greatly simplified by the introduction of depth cameras．However,the lack of related open source projects limit the development of cross-platform application，especially for mobile platform． In this paper,I present a real-time middleware solution to quickly and accurately predict 3D positions of body joints using a single depth image．I take a non-model based approach and treat pose estimation as object recognition，using all intermediate body parts representation to spatially localize joints at low computational cost and at the same time high accuracy．I employ simple depth comparison features and efficient random forest multi-dass classifier to label body parts，and then generate 3D proposals of several body joints of interest by clustering the classification result．I build a large and varied training dataset using synthesized examples． I increase more hand poses to raise the accuracy of common interactive gestures．I further optimize real—time performance using temporal inferred method．I evaluate accuracy on both synthetic and real test sets and investigate the effect of several training parameters．The system runs at 30～50 fps on PC and 1 0～1 5 fps on Android pad，and achieve 70％～