基于骨架匹配的人体轮廓线提取

发布时间：2020-03-08 15:39

【摘要】：为了生成静态图像中人体的轮廓线,提出了一种基于骨架匹配的轮廓线提取方法。在图像中找到可以表征人体骨架的骨架关键点,通过骨架关键点,利用图像中各像素点所包含的边缘信息,结合人体形态学先验知识,构建了隐马尔科夫模型来匹配人体上对应骨架关键点的边缘关键点,少量的边缘关键点即可生成人体大致轮廓。利用Hermite插值方法连接边缘关键点获取人体轮廓线。通过相关实验结果表明,提出的方法在较为简单的场景中可以提取出静态图像中人体轮廓,获得的轮廓也符合人体形状先验。与已有的方法相比,在速度上有了很大的提高,并在一些较为复杂的场景中取得了更好的效果。
【图文】：

第29卷第11期Vol.29No.112017年11月张远,等:基于骨架匹配的人体轮廓线提取Nov.,2017http:∥www.china-simulation.com2777点，如图2(b)中灰色点所示，采样点的个数和对应这段骨架的长度成正比关系，骨架越长，对应的采样点个数也就越多。图2(b)中蓝色点代表骨架关键点对应的边缘关键点，灰色线段表示骨架，，蓝色线段代表对应骨架的人体轮廓，黄色线段表示骨架关键点和边缘关键点之间的对应关系。图1基于骨架匹配的人体轮廓线提取流程图Fig.1Procedureforhumancontourextractionbasedonskeletonmatching(a)人体骨架模型(b)骨架关键点和边缘关键点对应示意图图2人体结构示意图Fig.2Visualizationforhumanstructure由于边缘关键点存在于通过骨架关键点的骨架垂线方向，因此在寻找对应骨架关键点的边缘关键点时，可以在对应垂线方向上的像素点中进行一维搜索，搜索范围也可以由人体形态学先验中人体身高和部位宽度之间的关系[21]所确定，比如右后臂宽度的估计值为0.0608*height。接下来的边缘关键点匹配模型适用于除头部和肩部以外的所有人体部位。2.2边缘关键点匹配准则得到骨架关键点后，本文提出了一种边缘关键点匹配模型，用于估计对应骨架关键点的边缘关键点。目标是在图像中寻找一条近似平行于骨架的具有较强边缘的轮廓，因此选择对应骨架关键点的边缘关键点的依据来源于像素点的边缘强度信息和此部位对应的骨架方向等。上一节中，通过在骨架垂线方向上的一维搜索，对每一个骨架关键点si，都得到了一组对应的候选边缘关键点集Pi。本文采用sobel算子计算灰度图像中每一个候选边缘关键点的边缘梯度大小I，这个值越大，代表这个点的边缘效应越大，即ds越趋于1。11sIde(2)在人体的

第29卷第11期Vol.29No.112017年11月张远,等:基于骨架匹配的人体轮廓线提取Nov.,2017http:∥www.china-simulation.com2777点，如图2(b)中灰色点所示，采样点的个数和对应这段骨架的长度成正比关系，骨架越长，对应的采样点个数也就越多。图2(b)中蓝色点代表骨架关键点对应的边缘关键点，灰色线段表示骨架，蓝色线段代表对应骨架的人体轮廓，黄色线段表示骨架关键点和边缘关键点之间的对应关系。图1基于骨架匹配的人体轮廓线提取流程图Fig.1Procedureforhumancontourextractionbasedonskeletonmatching(a)人体骨架模型(b)骨架关键点和边缘关键点对应示意图图2人体结构示意图Fig.2Visualizationforhumanstructure由于边缘关键点存在于通过骨架关键点的骨架垂线方向，因此在寻找对应骨架关键点的边缘关键点时，可以在对应垂线方向上的像素点中进行一维搜索，搜索范围也可以由人体形态学先验中人体身高和部位宽度之间的关系[21]所确定，比如右后臂宽度的估计值为0.0608*height。接下来的边缘关键点匹配模型适用于除头部和肩部以外的所有人体部位。2.2边缘关键点匹配准则得到骨架关键点后，本文提出了一种边缘关键点匹配模型，用于估计对应骨架关键点的边缘关键点。目标是在图像中寻找一条近似平行于骨架的具有较强边缘的轮廓，因此选择对应骨架关键点的边缘关键点的依据来源于像素点的边缘强度信息和此部位对应的骨架方向等。上一节中，通过在骨架垂线方向上的一维搜索，对每一个骨架关键点si，都得到了一组对应的候选边缘关键点集Pi。本文采用sobel算子计算灰度图像中每一个候选边缘关键点的边缘梯度大小I，这个值越大，代表这个点的边缘效应越大，即ds越趋于1。11sIde(2)在人体的

【相似文献】

相关期刊论文 前10条

1 洪泉,陈德强,黄文浩;一种基于图象内部信息的轮廓匹配和切片对齐新方法[J];中国图象图形学报;2001年02期

2 王磊,王立胜,顾训穰;图像轮廓提取的迭代收缩算法[J];计算机应用与软件;2004年02期

3 谌昌海,原培新,孙岩;改进的轮廓提取法在棒线材端头识别中的应用[J];机械工程与自动化;2005年05期

4 邵晓芳;孙即祥;张欣;;认知轮廓研究进展[J];计算机应用研究;2008年07期

5 杨长才;郑胜;叶瑾;;基于支持度变换的几何活动轮廓模型轮廓提取方法[J];计算机应用;2008年S1期

6 胡荣;王宏远;;基于运动段分类的人体轮廓提取方法[J];华中科技大学学报(自然科学版);2010年05期

7 阎春平;王宾宾;覃斌;刘飞;;应用拓扑投影不变原理的空间图形轮廓提取方法[J];重庆大学学报;2010年06期

8 吴峻松,凌玲,王成焘;定做式人工髋关节设计与加工中股骨轮廓提取方法[J];机械设计与研究;1998年04期

9 黄福珍,苏剑波,席裕庚;基于几何活动轮廓模型的人脸轮廓提取方法[J];中国图象图形学报;2003年05期

10 孙吉红,姜合,王国栋;光切法在图像轮廓提取中的应用[J];山东轻工业学院学报(自然科学版);2003年01期

相关会议论文 前10条

1 杨滨;付峰;董秀珍;;颅脑CT图像的自动分割和轮廓提取[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会青年优秀论文[C];2010年

2 桑农;唐奇伶;;视皮层感知机制在轮廓提取中的应用[A];第十二届全国图象图形学学术会议论文集[C];2005年

3 曹永锋;孙洪;徐新;;一种提取多显著性等级区域轮廓的高效算法[A];2003年中国智能自动化会议论文集（上册）[C];2003年

4 徐晓刚;于金辉;马利庄;;复杂物体轮廓提取[A];中国图象图形学会第十届全国图像图形学术会议（CIG’2001）和第一届全国虚拟现实技术研讨会（CVR’2001）论文集[C];2001年

5 黄琼雁;赖剑煌;阮邦志;;非均匀光照下的嘴巴轮廓的检测与嘴巴状态分类[A];第一届中国情感计算及智能交互学术会议论文集[C];2003年

6 杨明浩;陶建华;张大伟;李昊;;基于X光的汉语单音节舌位轮廓运动数据库[A];第十二届全国人机语音通讯学术会议（NCMMSC'2013）论文集[C];2013年

7 陆承恩;朱光喜;孙俊;;基于边界搜索的图像闭合轮廓提取算法[A];第十四届全国图象图形学学术会议论文集[C];2008年

8 黎明;冯华君;徐之海;;一种基于光强信息的结构光图像轮廓提取方法[A];大珩先生九十华诞文集暨中国光学学会2004年学术大会论文集[C];2004年

9 肖镜辉;刘秉权;;一种非时齐的隐马尔科夫模型及其在音字转换中的应用[A];全国第八届计算语言学联合学术会议（JSCL-2005）论文集[C];2005年

10 刘文壮;李均利;;一种基于隐马尔科夫模型的脱机手写汉字识别方法[A];2009系统仿真技术及其应用学术会议论文集[C];2009年

相关博士学位论文 前3条

1 黄初华;基于多视角视频的时变三维模型序列生成若干关键技术研究[D];浙江大学;2017年

2 孙阳光;物体边缘轮廓提取新方法研究[D];华中科技大学;2009年

3 唐奇伶;基于初级视皮层感知机制的轮廓与边界检测[D];华中科技大学;2007年

相关硕士学位论文 前10条

1 赵壮壮;激光标刻系统中汉字轮廓提取技术[D];辽宁大学;2015年

2 孟佳;基于ICT的工件内部缺陷轮廓提取研究[D];燕山大学;2015年

3 梅洪洋;监控视频中运动目标轮廓提取方法的研究与应用[D];华中师范大学;2015年

4 王晓龙;现场鞋印轮廓提取与估计算法研究[D];辽宁师范大学;2015年

5 王闪闪;基于显著性检测的人体轮廓提取问题研究与应用[D];山东大学;2016年

6 琚映云;红外图像序列中目标跟踪与目标轮廓提取技术研究[D];南京航空航天大学;2016年

7 许辉;基于轮廓感知的虚拟视点合成技术研究[D];东南大学;2016年

8 戴昕林;婴儿头型快速检测设备及头部畸形的矫形方案设计[D];南京航空航天大学;2016年

9 赵凤华;多维数据对象的几何轮廓相似性度量及模式识别[D];辽宁工程技术大学;2014年

10 曹庙根;一种基于子叶轮廓三维视觉测量的秧苗分离方法研究[D];浙江理工大学;2015年

本文编号：2585603