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

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
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...
基于深度图像学习的人体部... 38人阅读 4页 2.00元 基于Kinect深度图像的...算法应用于单一深度图像中人的定位,并提出改进方法,实现身体部位的识别以及骨骼...
基于深度信息的人体检测综述_互联网_IT/计算机_专业资料。行人检测一直以来都是...视差图中噪声的存在,直接影响到运动行人检测的准确度,因此需要进 行形态学运算...
本文针对深度值所对应 的灰度图像,计算出灰度直方图。手势部位往往是离深度摄 ... 基于深度图像学习的人体... 5页 1下载券 Vision-Based Gesture R... 暂无...
其主要目标是在静态图像或者运动视频中,实现人体目标的自动 检测和人体目标运动... 征的检测方法,结合多部位检测器的思想,并引入机器学习,对人体目 标进行检测。...
基于深度图像技术的手势识别方法_信息与通信_工程...手势动作往往都置于身体位姿之 前,本文利用手势区域...手势表观特征的提取步骤如下: (1)通过数学形态学中...
现代机器学习 基于深度学习的图像特征提取_信息与...2012年,DNN技术在图像识别领域取得惊人 的效果,在...即图像中某 个部分的统计特征和其它部位的相似, ...
基于HOG特征的图像人体检测技术的研究与实现_理学_...2.设计一个基于视觉特征和机器学习的人体检测系统,...分类器系列的深度会逐 步增大,每一步在保留精确度...
交通标志的自动识别过程主要包括交通标志 的检测和交通标志的判别[3],本文主要研究深度学习算法在交通标 志判别上的应用。 获得图像更抽象的特征表述。 2 深度学习...
热门文档