位置:成果数据库 > 期刊 > 期刊详情页
基于退火粒子群优化的单目视频人体姿态分析方法
  • ISSN号:0254-4156
  • 期刊名称:《自动化学报》
  • 时间:0
  • 分类:TP18[自动化与计算机技术—控制科学与工程;自动化与计算机技术—控制理论与控制工程]
  • 作者机构:[1]南京大学软件新技术国家重点实验室南京大学计算机科学与技术系,南京210093
  • 相关基金:国家高技术研究发展计划(863计划)(2007AA01Z334); 国家自然科学基金(69903006,60373065,61021062,61100110); 教育部新世纪优秀人才资助计划(NCET-04-04605); 江苏省自然科学基金(BK2009230,BK2010375); 江苏省科技支撑计划(BE2010072,BE2011058)资助~~
中文摘要:

提出一种基于退火粒子群优化(Simulated annealing particle swarm optimism,SAPSO)的单目视频人体姿态分析方法.该方法具有以下特点:首先,利用运动捕获数据采用主成分分析方法(Principle component analysis,PCA)得到更能反映人体运动本质的姿态紧致空间,并在此低维空间中进行姿态分析,提高了姿态分析的准确性和效率;其次,将粒子群优化应用到姿态分析中,并提出退火粒子群优化姿态分析方法,该方法具有良好的收敛性和全局最优能力;再次,基于退火粒子群优化姿态分析方法,实现了基于单目视频的人体姿态估计和跟踪.实验结果表明,本文方法不仅具有良好的计算效率,同时具有良好的收敛性和全局搜索能力,能准确分析单目视频中的人体姿态.

英文摘要:

In this paper we proposed a simulated annealing particle swarm optimism(SAPSO) based method for human pose estimation form monocular image sequences.First,we use principle component analysis(PCA) to learn the lowdimensional compact space of human pose,by which the aim of both reducing dimensionality and extracting the prior knowledge of human motion are achieved simultaneously.Pose is estimated on the compact subspace.In the optimizing step,we introduce particle swarm optimism to human pose estimation,and further,a SAPSO pose estimation method is proposed.And last we use SAPSO to estimate and track human pose in monocular videos separately.Experimental results demonstrate that the proposed method is more convergent and globally optimum,which can estimate and track human pose in monocular images effectively.

同期刊论文项目
期刊论文 134 会议论文 96 获奖 18 专利 78 著作 1
期刊论文 65 会议论文 34 获奖 2 著作 2
期刊论文 23 会议论文 12 获奖 2
期刊论文 67 会议论文 6 获奖 2 著作 2
同项目期刊论文
期刊信息
  • 《自动化学报》
  • 中国科技核心期刊
  • 主管单位:中国科学院
  • 主办单位:中国自动化学会 中国科学院自动化研究所
  • 主编:王飞跃
  • 地址:北京东黄城根北街16号
  • 邮编:100717
  • 邮箱:aas@ia.ac.cn
  • 电话:010-64019820
  • 国际标准刊号:ISSN:0254-4156
  • 国内统一刊号:ISSN:11-2109/TP
  • 邮发代号:2-180
  • 获奖情况:
  • 1997年获全国优秀期刊奖,1985、1990、1996、2000年获中国科学院优秀期刊二等奖,2002年获国家期刊奖
  • 国内外数据库收录:
  • 美国数学评论(网络版),德国数学文摘,荷兰文摘与引文数据库,美国工程索引,日本日本科学技术振兴机构数据库,中国中国科技核心期刊,中国北大核心期刊(2004版),中国北大核心期刊(2008版),中国北大核心期刊(2011版),中国北大核心期刊(2014版),中国北大核心期刊(2000版)
  • 被引量:27550