利用共享动态隐变量模型估计三维人体运动
可视媒体中的基于学习的三维人体运动分析是计算机视觉领域中非常有挑战性的课题.本文在Gauss动态隐变量模型与共享隐结构的基础上,给出一种新的共享动态隐变量模型用于三维人体运动跟踪.该模型针对高维非线性动态系统,可以计算出高维状态向量和高维观测向量的共享动态低维隐变量,同时也能计算出隐变量对高维状态向量、高维观测向量的双向映射、以及隐变量自身的动态关系.使用该模型可以将传统的高维人体运动估计分层为先估计低维隐变量状态,再重建高维人体运动.在实验结果中,用仿真图像序列与真实图像序列证明了方法的有效性.
共享动态隐变量、三维运动估计、计算机视觉、粒子滤波器、方差反馈
42
TP391.41(计算技术、计算机技术)
国家自然科学基金;中央高校基本科研业务费专项
2012-05-17(万方平台首次上网日期,不代表论文的发表时间)
47-56