[毕业设计] 基于混合专家模型的三维人体跟踪 [复制链接]

资料简介：
　　毕业设计 基于混合专家模型的三维人体跟踪 共43页，13419字
　　
摘要
　　
视觉人体跟踪是计算机视觉领域的热点研究内容。考虑到从图像特征空间到状态特征空间的映射具有多义性，本文基于混合专家模型(Bayesian Mixture of Experts, BME)，采用“分而治之”的思想，建立了从图像特征空间到三维参数空间的映射，从而实现三维人体跟踪。使用背景减法从图像序列中提取人体区域，采用PCA方法对人体区域特征进行降维，应用BME算法和k-means聚类算法建立图像特征空间和状态空间之间的对应关系，从图像特征中估计出人体模型的三维姿态。实验结果表明本论文方法能够准确地从单视频序列中重建三维人体运动。
　　
关键词：  混合专家模型   三维人体跟踪   计算机视觉
　　

　　
目录
　　
第一章 引言    1
　　
1.1课题背景    1
　　
1.2典型应用    2
　　
1.3    研究现状    3
　　
1.4主要跟踪方法概述    4
　　
1.5本文研究内容    5
　　
第二章 混合专家模型    7
　　
2.1混合专家模型概述    7
　　
2.1.1混合专家模型原理    8
　　
2.2 k-means聚类算法    9
　　
2.2.1 k-means聚类算法工作原理    9
　　
2.3 BME(Bayesian Mixture of Experts)算法    10
　　
2.3.1 BME算法原理    10
　　
2.3.2 BME算法证明    10
　　
2.3.3 BME算法的优点    13
　　
第三章 特征提取    15
　　
3.1背景减(background subtraction)    15
　　
3.1.1运动检测    15
　　
3.1.2背景建模    15
　　
3.1.3前景区域的提取    16
　　
3.2主成分分析 (Principal Component Analysis，PCA)    17
　　
3.2.1降维算法概述    18
　　
3.2.2 PCA算法原理    18
　　
3.2.3 PCA算法主要步骤    20
　　
第四章 三维人体跟踪的实验    23
　　
4.1实验概述    23
　　
4.1.1实验数据库    23
　　
4.1.2图像特征概述    23
　　
4.1.3三维人体模型    24
　　
4.2实验过程的实现    26
　　
4.2.1实验方法的选择    26
　　
4.2.2实验流程    26
　　
4.3训练过程的实现    27
　　
4.3.1背景减    27
　　
4.3.2 PCA降维    28
　　
4.3.3 k-means聚类    28
　　
4.3.4 BME    29
　　
4.4跟踪过程的实现    29
　　
4.5实验结果与分析    30
　　
第五章 结论与展望    33
　　
5.1本文结论    33
　　
5.2后续研究的展望    33
　　
5.2.1本文存在的不足    33
　　
5.2.2后续研究工作    33
　　
致谢    35
　　
参考文献    37

资料文件预览：
共1文件夹，1个文件，文件总大小：619.50KB，压缩后大小：223.82KB

• 毕业设计-基于混合专家模型的三维人体跟踪
• 基于混合专家模型的三维人体跟踪.doc  [619.50KB]