一种基于运动基识别的人体关节运动跟踪粒子滤波估计方法
2021-02-24张亚南朱方叶龙张勤
中国传媒大学学报(自然科学版) 2021年6期
关键词:模型
张亚南,朱方,叶龙,张勤
(1.中国传媒大学媒介音视频教育部重点实验室,北京 100024;2.移动网络和移动多媒体技术国家重点实验室中兴通讯股份有限公司,深圳 518000)
1 引言
人体运动跟踪是视觉监控系统,虚拟现实,医学分析等当前众多领域[1][2][3]中所研究的关键技术之一,但由于跟踪维度高、背景混乱、遮挡现象严重等多方面原因,其效果距离复杂场景中的实际应用还有一定的距离。人体运动跟踪任务是从图像中检测出人物,并对目标人物进行逐帧的位置或关节运动状态的定位与估计。将跟踪问题采用动态系统的贝叶斯估计方法[7]进行解决是目前常用的人体运动跟踪方法,它的思路是将目标跟踪问题转换成在贝叶斯理论框架下利用状态方程预测目标状态的先验概率密度,并利用最新的测量值对先验概率密度进行修正,不断求解从而得到目标状态的后验概率密度估计。卡尔曼滤波[8][9]是建立在高斯模型上用于解决非平稳随机过程内线性预测问题的方法,但是由于高斯模型是单峰模型,难以对于因遮挡所带来的非线性运动情况进行有效处理,因此适应性更高的粒子滤波算法[10][11][21]逐渐成为实现人体运动贝叶斯跟踪的主要手段。
然而对于粒子滤波算法而言,粒子的数量会随着状态空间的维度增加呈指数增长。由于人体关节运动的高维度属性,因此如何提高粒子采样的有效性成为使用粒子滤波方法进行人体关节运动跟踪过程中所需解决的主要问题[4]。……
登录APP查看全文
