一种用于学习人体模型的概率框架

摘要

利用概率推理方法通过视频序列学习人体模型的方法,在计算机视觉领域有着重要的应用前景。本文提出一种基于传统隐马尔可夫模型人体模型学习方法,针对传统隐马氏模型在学习过程中的不足之处进行改进,得到一种适用于在视频序列中稳健跟踪并快速学习人体模型的概率框架。利用机器学习算法对该概率框架进行推理学习,获取改进隐马氏模型的参数,即可得到组成人体模型的各种肢体模板,从而学习到人体模型。实验表明利用至多220帧包含有人体运动的视频序列,便可学习到视频序列中运动人体的人体模型。该概率框架能很好模拟人体在视频中的运动,因此应用机器学习方法对该概率框架推理学习的效果明显,能准确学习到组成人体模型的各人体肢体模板,且具有学习快速的特点。

著录项

相似文献

  • 中文文献
  • 外文文献
  • 专利
获取原文

客服邮箱:kefu@zhangqiaokeyan.com

京公网安备:11010802029741号 ICP备案号:京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有
  • 客服微信

  • 服务号