《靜態圖像中人體輪廓的精確分割技術研究》是依託大連理工大學,由盧湖川擔任項目負責人的面上項目。
基本介紹
- 中文名：靜態圖像中人體輪廓的精確分割技術研究
- 依託單位：大連理工大學
- 項目類別：面上項目
- 項目負責人：盧湖川
項目摘要,結題摘要,
項目摘要
數位相機中人臉檢測功能已經得到了認可，如何進一步得到人體輪廓的精確分割是下一代相機急需解決的極富挑戰性的問題。同時，該技術在圖像檢索、Mpeg4中任意形狀的圖像編碼、機器人視覺等多個領域都有極其重要的研究意義。.本項目在人臉檢測得到人臉信息的前提下，採用從粗到細，從整體到部分，再從部分到整體的思路，完成人體的準確分割。在圖像粗分割和超像素基礎上，利用人體幾何關係，提出一種結合顏色，形狀，紋理，位置等多種線索的區塊融合方法，得到較為準確的上半身和胯部區域，提出online-adboost的四肢搜尋方法和基於MOH（多元斜向直方圖）的判別準則，實現對四肢的準確定位；然後提出GNDPCA算法對由Gabor濾波後組成的CSA結構的Tensor進行分解，將得到的紋理分量組成Structure tensor，對Graph-cut進行改進，將前景種子設定在得到的人體部位上，得到人體的精確分割。
結題摘要
針對人體分割這個富有挑戰性的問題，結合了人體模型、PS模型，提出了多種能夠處理旋轉、姿態、光照以及複雜背景等問題的人體分割算法。通過在公開的圖像庫上的測試，驗證了算法的有效性，並且都已發表於一流的國際會議及學術期刊。 1. 基於人體模型的層級式人體分割方法。該方法使用人臉信息為指導，利用改進的軀幹模型對人體軀幹進行檢測，然後在檢測的軀幹中提取圖分割(graph cuts)所需的軀幹種子點以完成對上半身的分割。根據上半身的分割結果，使用設計的腿部上半肢模型對腿部的上半肢進行檢測，然後利用下半肢的區域獲得下半身的前景種子點來完成對下半身的分割。 2. 基於參考信號獨立成分分析的人體分割方法。我們提出的基於ICA-R的框架假設圖像中的人體都為直立正面的人體，則通過人臉檢測技術，可以較為容易的獲得人臉信息，從而，我們利用一個簡單的軀幹模型檢測人體軀幹，然後在軀幹中獲得參考信號，最後使用得到的參考信息實現上半身的分割。下半身的分割和上半身相似，通過對下半身參考信號的估計，從而完成下半身分割。 3. 基於EM算法的自動式人體分割方法。使用圖結構(Pictorial Structures, PS) 模型圖像中的人體姿勢進行估計，得到人體姿勢的機率圖。在機率圖的基礎上，使用設計的EM 算法對機率圖進行細化，最後在細化機率圖的基礎上使用圖割的方法得到人體分割。 4. 基於層級樹人體分割方法，將基於單個人體部分的模型進行擴展，將單個人體部分周圍的人體部分加以考慮，使得檢測器的準確率更高。不僅如此，我們將擴展後的模型和樹中的節點進行對應，並將整個人體姿勢建模為樹中從根節點到葉子節點的加和，獲得人體姿勢的全局最優解。 5. 基於分割一致性的人體分割與姿態估計方法。利用Adaboost分類器在圖像中各個位置和方向檢測各個部分，得到每個部分的評價得分。根據人體的運動學關係，建立各個部分之間的空間位置分布關係。接著，由圖像中檢測的信息和位置先驗，通過sum-product算法進行訊息傳遞，得到置信分布。每個部分都選取後驗機率最大的N個候選作為採樣樣本。根據區域位置與關係計算其權重。然後，對圖像進行過分割，得到一系列的超像素。用原先得到的候選估計出各超像素的前景分布。最後，將人體各部分和各個超像素以及它們的邊界關係建立一個線性能量函式，使得人體分割和姿態估計同時達到最優。
