-
题名基于R-SVM与SVDD的部位外观模型
被引量：3
- 1
-
-
作者
韩贵金
朱虹
-
机构
西安理工大学自动化与信息工程学院
西安邮电大学自动化学院
-
出处
《计算机应用研究》
CSCD
北大核心
2015年第4期1272-1275,共4页
-
基金
国际合作项目子项项目(2011DRF10480)
陕西省教育厅自然科学基金资助项目(2013JK0993)
-
文摘
为克服现有基于HOG特征的部位外观模型未考虑不同细胞单元的不同作用以及不能准确表征相似度的缺陷,提出了一种基于递归支持向量机(R-SVM)和支持向量数据描述(SVDD)算法的人体部位外观模型。所提外观模型由两个分类器构成,利用R-SVM进行特征选择并建立的分类器用于判断图像某区域是否属于人体部位类,利用SVDD建立的相似度分类器用于计算属于人体部位类的图像区域与外观模型的相似度。将所提部位外观模型用于人体上半身姿态的估计,仿真实验结果显示其比现有部位外观模型的估计准确度更高,表明所提部位外观模型可以更准确地描述真实人体部位。
-
关键词
人体姿态估计
部位外观模型
递归支持向量机
支持向量数据描述
梯度方向直方图
-
Keywords
human pose estimation
part appearance model
recursive support vector machine
support vector data descrip-tion
histogram of oriented gradient
-
分类号
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名一种基于颜色直方图的人体部位外观模型
被引量：2
- 2
-
-
作者
韩贵金
朱虹
-
机构
西安理工大学自动化与信息工程学院
西安邮电大学自动化学院
-
出处
《西安理工大学学报》
CAS
北大核心
2014年第2期200-203,219,共5页
-
基金
国际科技合作项目子项目基金资助(2011DRF10480)
-
文摘
为提高单幅静态图像中人体姿态估计的准确度,提出了一种仅利用单幅静态图像建立的基于颜色直方图的人体部位外观模型。模型的建立主要包括三个步骤,即:①计算人体部位减小后状态空间中的每个状态所对应图像区域的HOG特征与基于HOG特征的部位外观模型的似然度;②利用似然度较高的状态学习定位概率;③根据学习得到的定位概率建立基于颜色直方图的部位外观模型。仿真实验表明当将所提人体部位外观模型用于单幅静态图像的人体姿态估计时可以得到更好的估计效果。
-
关键词
人体部位外观模型
颜色直方图
人体姿态估计
-
Keywords
human part appearance model
color histogram
human pose estimation
-
分类号
TP242.6
[自动化与计算机技术—检测技术与自动化装置]
-
-
题名基于支持向量机与模糊k-均值算法的部位外观模型
被引量：1
- 3
-
-
作者
韩贵金
-
机构
西安邮电大学自动化学院
-
出处
《计算机应用》
CSCD
北大核心
2015年第7期2043-2046,共4页
-
基金
陕西省教育厅自然科学项目(14JK1677)
-
文摘
利用梯度方向直方图(HOG)建立的部位外观模型存在两个缺陷:不同部位采用相同的细胞单元尺寸,以及线性支持向量机(SVM)分类器不能准确表征部位定位状态与外观模型的相似度。为克服这两个缺陷,建立了一种基于SVM和模糊k-均值算法的部位外观模型。部位外观模型由两个分类器构成,线性SVM分类器用于判断部位定位状态是否属于人体部位,相似度分类器由部位定位状态与利用模糊k-均值算法确定的部位聚类中心的归一化欧氏距离来构造,用于计算部位定位状态与外观模型的相似度。仿真实验结果表明,与利用SVM算法和相同细胞单元尺寸建立的基于HOG特征的部位外观模型相比,新模型建立的部位外观模型能更准确地描述真实人体部位的外观特征,用于基于树形图结构模型的人体姿态估计时准确度也更高。
-
关键词
部位外观模型
梯度方向直方图
支持向量机
模糊k-均值算法
人体姿态估计
-
Keywords
part appearance model
Histogram of Oriented Gradient （HOG）
Support Vector Machine （SVM）
fuzzy k- means algorithm
human pose estimation
-
分类号
TP391.413
[自动化与计算机技术—计算机应用技术]
-
-
题名加权SVDD算法在人体姿态估计中的研究与应用
被引量：1
- 4
-
-
作者
韩贵金
-
机构
西京学院信息工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第15期132-136,共5页
-
文摘
支持向量数据描述(SVDD)算法是解决单类分类问题的最好方法之一,在人体姿态估计问题中获得了成功的应用,在建立部位外观模型方面取得了良好的效果,但现有利用SVDD算法建立的部位外观模型将所有训练样本和样本不同特征都平等对待。为克服存在的这两个缺陷,提出了一种样本和特征加权的SVDD算法,并用其建立了一种基于样本和特征加权SVDD算法的部位外观模型。样本的权重系数根据样本到样本中心的距离远近来确定,样本特征的权重系数根据特征对应图像区域被训练图像中真实人体部位包含次数的多少来确定。仿真实验结果表明所建立的部位外观模型比利用标准SVDD算法建立的部位外观模型能更准确地描述真实人体部位的外观,能得到更高的人体姿态估计准确度。
-
关键词
人体姿态估计
部位外观模型
支持向量数据描述
梯度方向直方图
权重系数
-
Keywords
human pose estimation
part appearance model
Support Vector Data Description(SVDD)
histogram of oriented gradient
weighting coefficient
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
-
题名融合HOG和颜色特征的人体姿态估计新算法
被引量：3
- 5
-
-
作者
沈建冬
陈恒
-
机构
西京学院控制工程学院
-
出处
《计算机工程与应用》
CSCD
北大核心
2017年第21期190-194,共5页
-
基金
陕西省教育厅自然科学资助项目(No.2013jk1068)
-
文摘
为解决现有人体姿态估计算法在处理光照条件很差或颜色对比度很低的待处理图像时估计准确度较低的问题,利用梯度方向直方图(HOG)和颜色特征建立了一种的基于可能性C(PCM)聚类算法部位外观模型,提出了一种新的融合HOG特征和颜色特征的人体姿态估计算法。算法根据待处理图像自动选择部位外观模型,若图像的光照条件和颜色对比度都较好则选择现有的基于HOG和颜色特征融合的部位外观模型,否则选择基于PCM聚类算法的部位外观模型。仿真实验表明所建立的部位外观模型能更准确地描述光照条件很差或颜色对比度很低的图像中下真实人体部位的外观,提出的人体姿态估计算法对各种类型的待处理图像均能得到准确度更高的估计结果。
-
关键词
人体姿态估计
部位外观模型
梯度方向直方图
颜色
可能性C聚类算法
-
Keywords
human pose estimation
part appearance model
histogram of oriented gradient
color
possibilistic C-means clustering algorithm
-
分类号
TP391.4
[自动化与计算机技术—计算机应用技术]
-
