位置:成果数据库 > 期刊 > 期刊详情页
基于矢状面和神经网络的三维人体骨架提取
  • ISSN号:1000-3428
  • 期刊名称:《计算机工程》
  • 时间:0
  • 分类:TP393[自动化与计算机技术—计算机应用技术;自动化与计算机技术—计算机科学与技术]
  • 作者机构:[1]东华大学信息科学与技术学院,上海201620, [2]数字化纺织服装技术教育部工程研究中心,上海201620
  • 相关基金:国家自然科学基金资助重点项目(61134009);国家自然科学基金资助项目(60975059,60775052);国家1TER计划国内配套研究基金资助项目(2010GB108004);教育部高等学校博士学科点专项科研基金资助项目(20090075110002);上海市优秀学术带头人计划基金资助项目(11XD1400100);上海市科学技术委员会重点基础研究基金资助项目(10JC1400200,09JC1400900);上海市科学技术委员会技术标准专项基金资助项目(10DZ0506500)
中文摘要:

不同姿态的人体模型易对骨架提取算法产生干扰。为此,提出一种新的骨架提取算法。该算法通过将人体模型矢状面深度信息和改进Hopfield神经网络相结合的方式,引入一种网络输入输出函数,对传统的人体骨架提取算法进行改进,使网络收敛速度明显加快。通过特征点的深度信息决定点对差异的方式,使网络成功地避免局部极小点,同时减少网络的运行时间。实验结果表明,该算法在定位骨架特征点处的误差明显小于传统算法,且缩短了算法的运行时间。该算法对人体骨架提取的效果更好。

英文摘要:

In allusion to the problem of interference to the skeleton extraction of different human posture, a new algorithm of skeleton extraction is presented. Through the combination of the depth information based on sagittal plane of 3D human model with improved Hopfield neural network, the rate of convergence speeds up by using a new input-output function of network to improve traditional human skeleton extraction algorithm. The network gets away from local minimum successfully and decreases the running time of network which is decided to depth information of feature points. Experimental result shows that the displacement on skeleton feature points using new algorithm is obvious less than that of traditional algorithm. In addition, the computation time is decreased. Therefore, the new algorithm has better effect on human skeleton extraction.

同期刊论文项目
同项目期刊论文
期刊信息
  • 《计算机工程》
  • 北大核心期刊(2014版)
  • 主管单位:中国电子科技集团公司
  • 主办单位:华东计算技术研究所 上海市计算机学会
  • 主编:游小明
  • 地址:上海市桂林路418号
  • 邮编:200233
  • 邮箱:ecice06@ecict.com.cn
  • 电话:021-64846769
  • 国际标准刊号:ISSN:1000-3428
  • 国内统一刊号:ISSN:31-1289/TP
  • 邮发代号:4-310
  • 获奖情况:
  • 1999~2000、2001~2002年度信息产业部优秀期刊奖,2003-2004、2005-2006年度信息产业部电子精品科技...,2007-2008、2009-2010年度工业和信息产业部电子精...,012年度中国科技论文在线优秀期刊一等奖,2013年度中国科技论文在线优秀期刊二等奖
  • 国内外数据库收录:
  • 俄罗斯文摘杂志,美国化学文摘(网络版),波兰哥白尼索引,荷兰文摘与引文数据库,美国剑桥科学文摘,英国科学文摘数据库,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(2014版),中国北大核心期刊(2000版)
  • 被引量:84139