基于衣服属性感知的人体姿势预测

发布时间：2017-05-30 00:07

  本文关键词：基于衣服属性感知的人体姿势预测，由笔耕文化传播整理发布。

【摘要】：近年来在图像分析、动作识别等领域,人体姿势预测这个基本问题得到了科学家们广泛的关注。从已有的工作来看,人的头部、身躯等部位已经取得了很高的精度,但是手臂由于其丰富的姿势变化,目前还只有0.7的精度,这几乎是人体姿势预测领域最大的挑战。一个简单的想法是,衣服属性信息对于姿势的精准预测有很大的帮助。前人也有很多利用衣服属性信息去帮助姿势预测的工作,但是需要人为地去标注大量的衣服属性标签信息,这是一项极其耗时的工作。在本文中,我们提出了基于隐式衣服属性的人体姿势预测(Human Pose Estimation)模型。本文通过对图画式结构(Pictorial Structure)进行扩展来形式化人体姿势预测问题,特别地,我们将衣服属性作为隐变量来建模。跟传统的基于标注信息进行预测的方法不同,我们不需要衣服属性的标注信息,而且可以高效的进行求解。在本文中,我们定义了几种比较重要的衣服属性,并且建立了衣服属性和人体部位之间的关系(比如袖子和手臂等)。进而,我们设计了两种特征,一是人体躯干对应的特征,二是人体躯干和衣服属性的联合特征。基于联合特征,采用隐式结构式支持向量机(Latent Structure SVM)算法来进行模型的训练。所有的隐变量问题都会涉及到隐变量的初始化问题,我们采用K-Means聚类算法来初始化隐变量。接着,采用增量迭代的方式来进行参数的学习,即就是最小化隐式结构式支持向量机的目标函数。本文采用迭代的方式来求解最优解,首先当衣服属性变量确定的时候,本文采用动态规划(Dynamic Programming)的算法进行人体姿势的求解。其次,当人体姿势确定的时候,我们可以采用算法2来确定衣服属性的变量。在两个公开的数据集上,本文进行了大量的实验,结果显示本文的方法超过了传统最好的方法,特别是在手臂的预测上,本文比前人工作提高了8个百分点,并且本文将具有同样衣服属性的照片聚在了一起。
【关键词】：人体姿势预测 结构式学习 隐变量
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP391.41
【目录】：

• 摘要3-5
• ABSTRACT5-13
• 第一章 引言13-19
• 1.1 背景和意义13
• 1.2 研究内容和方法13-15
• 1.3 本文的贡献15
• 1.4 论文组织15-17
• 1.5 本章小结17-19
• 第二章 相关工作19-23
• 2.1 人体姿势预测19-20
• 2.2 衣服属性分析20
• 2.3 隐变量结构式学习20-21
• 2.4 本章小结21-23
• 第三章 背景知识23-33
• 3.1 图模型23-24
• 3.2 图画式结构24-27
• 3.3 结构式学习27-28
• 3.4 形变部位模型28-31
• 3.5 本章小结31-33
• 第四章 基于隐式衣服属性变量的姿势预测33-45
• 4.1 联合特征分析与设计35-37
• 4.1.1 人体躯干相关特征35-36
• 4.1.2 衣服属性相关特征36-37
• 4.2 基于隐变量的结构式学习37-39
• 4.2.1 目标函数37-38
• 4.2.2 隐变量初始化38-39
• 4.2.3 模型训练策略39
• 4.2.4 负样本空间管理39
• 4.3 有环图的预测39-41
• 4.3.1 因子图表示39-41
• 4.3.2 最优解估计41
• 4.4 本章小结41-45
• 第五章 人体姿势预测的应用案例45-55
• 5.1 基于多媒体数据的事件挖掘45-47
• 5.2 基于电商平台的衣服搜索47-51
• 5.2.1 衣服属性分析49-51
• 5.2.2 衣服分类和匹配51
• 5.3 基于图片的广告推荐51-53
• 5.4 本章小结53-55
• 第六章 实验结果55-61
• 6.1 数据集55
• 6.2 实验评测规则55-56
• 6.3 实验结果分析56-57
• 6.4 本章小结57-61
• 第七章 总结与展望61-63
• 参考文献63-69
• 致谢69-71
• 攻读学位期间发表的学术论文目录71-73

【相似文献】

中国期刊全文数据库 前10条

1 王秀美;高新波;张乾坤;宋国乡;;一种基于局部保持的隐变量模型[J];模式识别与人工智能;2010年03期

2 姚宏亮;王秀芳;王浩;;一种基于结构分解和因子分析的贝叶斯网络隐变量发现算法[J];计算机科学;2012年02期

3 姚宏亮;吴立辉;王浩;李俊照;;局部因果关系分析的隐变量发现算法[J];计算机科学与探索;2014年04期

4 熊丽;梁军;钱积新;;基于偏最小二乘隐变量空间的控制器设计方法[J];化工学报;2007年02期

5 仝明磊;边后琴;;共享隐变量模型的解析算法及应用[J];上海电力学院学报;2010年05期

6 王磊;邹北骥;彭小宁;;针对表情动作单元跟踪的隧道隐变量法[J];自动化学报;2009年02期

7 肖应旺;;动态隐变量法及其在动态过程监控中的应用[J];仪器仪表学报;2012年01期

8 李建明;曲成毅;;隐变量交互作用分析建模方法——两阶段最小二乘法(2SLS)及其在SAS软件上的实现[J];数理医药学杂志;2011年06期

9 仝明磊;韩红;朱武;;利用共享动态隐变量模型估计三维人体运动[J];中国科学:信息科学;2012年01期

10 杨智勇;刘金兰;;基于隐变量分析的IT投资回报模型研究[J];统计与决策;2007年18期

中国重要会议论文全文数据库 前1条

1 瞿英;贾建;吴祈宗;;基于灰色关联聚类的隐变量学习算法研究[A];2009中国控制与决策会议论文集（3）[C];2009年

中国博士学位论文全文数据库 前4条

1 李万益;基于隐变量概率统计模型的人体运动形态估计[D];华南理工大学;2015年

2 王秀美;隐变量模型的建模与优化[D];西安电子科技大学;2010年

3 薛晓川;含隐变量的生物系统动力学：从单分子到细胞[D];清华大学;2009年

4 池清华;PLS隐变量空间模型预测控制算法研究[D];浙江大学;2015年

中国硕士学位论文全文数据库 前5条

1 黄斐;基于隐变量模型的歌曲转换方法研究[D];西安建筑科技大学;2015年

2 吴立辉;贝叶斯网络的因果隐变量发现及其应用研究[D];合肥工业大学;2014年

3 张卫鹏;基于衣服属性感知的人体姿势预测[D];上海交通大学;2015年

4 王秀芳;具有隐变量的贝叶斯网络结构学习研究[D];合肥工业大学;2012年

5 和超;基于结构EM的隐变量模型学习方法[D];云南大学;2015年

  本文关键词：基于衣服属性感知的人体姿势预测，，由笔耕文化传播整理发布。

本文编号：405962