文档下载 文档下载导航
设为首页 | 加入收藏
搜索 请输入内容:  
 导航当前位置: 文档下载 > 所有分类 > IT/计算机 > 计算机软件及应用 > 基于深度图像学习的人体部位识别
侵权投诉

基于深度图像学习的人体部位识别

针对人体部位识别问题,提出一种基于深度图像学习的人体部位识别系统。构建深度图样本库,包括训练集和测试集,提取训练样本中的局域梯度特征,利用随机森林学习得到分类器,并对图像进行单点分类,计算人体各关节点。实验结果表明,该系统能快速准确地识别人体的不同部位。

计 算 机 工 程 第 38 卷 第16期

Computer Engineering V ol.38 No.16

文章编号:文章编号:1000—3428(2012)16—0185—04 ·人工智能及识别技术·人工智能及识别技术·

2012年8月

August 2012

文献标识码:文献标识码:A

中图分类号:中图分类号:TP18

基于深度图像学习的人体部位识别

林 鹏,张 超,李竹良,李竹良,赵宇明

(上海交通大学自动化系系统控制与信息处理教育部重点实验室,上海 200240)

摘 要:针对人体部位识别问题,提出一种基于深度图像学习的人体部位识别系统。构建深度图样本库,包括训练集和测试集,提取训练样本中的局域梯度特征,利用随机森林学习得到分类器,并对图像进行单点分类,计算人体各关节点。实验结果表明,该系统能快速准确地识别人体的不同部位。

关键词关键词:人体部位识别;深度图像;随机森林;监督学习;局域梯度特征

Human Body Part Recognition Based on Depth Image Learning

LIN Peng, ZHANG Chao, LI Zhu-liang, ZHAO Yu-ming

(Key Laboratory of System Control and Information Processing, Ministry of Education, Department of Automation,

Shanghai Jiaotong University, Shanghai 200240, China)

【Abstract】Aiming at human body recognition problem, this paper proposes a human body part recognition system, which is based on depth image learning. It constructs depth image sample library, including training set and testing set, extracts local gradient feature from training samples, uses random forest to learn the classifier for separating each single points going through the image and computes each joint point of human body. Experimental result shows that the system can recognize different human body parts fast and accurately.

【Key words】human body part recognition; depth image; random forest; supervised learning; local gradient feature DOI: 10.3969/j.issn.1000-3428.2012.16.048

1 概述

深度图像也称为距离图像,与彩色图像相比,深度图像能直接反映物体表面的三维特征,且不受光照、阴影等因素的影响。在小范围内可代替双目成像。目前这方面研究不多,主要有人体检测与跟踪[1]、姿势识别[2-3]和头部识别[4]等。

对于特征提取,梯度和点特征是2类常见可见光图像特征。梯度特征如HOG[5],其优点是精度高,缺点是维数高、计算量大;点特征如角点、SIFT等维度虽低,但在背景凌乱时难以适应人体多变的姿态。本文提出的深度图局域梯度特征将梯度和点特征的有机结合。该特征对彩色信息无关,深度梯度具有空间不变性,并且局域特征反映点的邻域信息。因此是颜色不变性与空间不变性的优美

基于深度图像学习的人体部位识别

组合。

对分类器的选择,随机森林有快速和高准确度的优点。相比SVM,只通过语义比较而非复杂的核函数计算或者升维,树的独立学习和特征的逐点提取可并行计算。

本文构建深度图样本库,包括训练集和测试集,并对训练样本提取局域梯度特征,用随机森林学习得到分类器,最终计算人体各关节点,实现实时处理的人体部位识

————————————

别系统,并用测试样本验证。

2 特征提取

图1是本文系统的总体流程。

基金项目:基金项目:国家自然科学基金资助项目“多视角下的多类型目标识别与行为分析”(61175009)

作者简介:作者简介:林 鹏(1986-),男,硕士研究生,主研方向:机器学习,图像处理;张 超、李竹良,硕士研究生;赵宇明,副教授 收稿日期:收稿日期:2011-09-30 修回日期:修回日期:2011-12-12 E-mail:lpdrobin@gmail.com

第1页

你可能喜欢

  • 图形图像
  • 图像学
  • 深度学习
  • 手术部位识别
  • 风险识别
  • 生物识别

热门文档

相关文档

站点地图 | 文档上传 | 侵权投诉 | 手机版
本站所有资源均来自互联网,本站只负责收集和整理,均不承担任何法律责任,如有侵权等其它行为请联系我们.
文档下载 Copyright 2013 doc.guandang.net All Rights Reserved.  -  email