静态图像中的人体分割与姿态估计

论文摘要

本文的主要目的是将复杂背景静态图像中的人体进行分割并估计其姿态。由于人体的姿势、衣服、光照和图像视角的不同从而导致图像中人体外形差异非常大(如站立的人体与坐着的人体,其形状差异非常大)。这对人体分割和姿态估计造成了巨大的困难和挑战。为解决静态图像中的人体分割与姿态估计问题,我们提出了一种基于分类器和图结构的算法。该算法的主要思想是通过图像分割和姿态估计模块的级联,发挥二者的互相促进作用,以达到共同优化求解的效果。在我们提出的算法中,人体被建模成一个树形结构,该树的10个节点分别表示人体的10个部分(头部,躯干,左上臂,右上臂,左下臂,右下臂,左侧大腿,右侧大腿,左侧小腿,右侧小腿)。每个部分都训练一个检测模板并通过条件随机场算法训练其参数,具体的求解是通过置信度传递算法实现的。置信度传递算法的实现机制是：首先从子节点向父节点传递置信度,直到最后汇聚到根结点(躯干)；然后置信度从根结点逐级向子节点回溯,直到分散到所有子节点为止。本文算法的主要框架分成两个大的步骤。第一步,用边缘作为特征来训练模型,从而可以分别得到每个部分最初的分布概率,利用分类器进行初步的分割。第二步,在第一步得到的分割结果上提取区域特征,重新训练模型,再进行每个部分的定位与分割。这样通过二者的级联,将边缘和区域特征结合在一起,从而使人体分割和姿态估计同时得到解决。本文的实验采用了姿态估计领域常用的数据库。该数据库非常具有挑战性,图像库中的人体姿态变化非常多。整个图片库共有305张图片,其中100张是训练图片,205张是测试图片。我们的算法在该图像库中取得了比较好的姿态估计和分割结果。本文中使用的边缘和区域特征在人体姿态估计和分割中是非常有效的特征；我们提出的分割与姿态估计级联的模型能够有效地分割复杂背景图像中的人体和进行姿态估计。本文算法没有使用任何与人体相关的特征(如肤色),所以该模型可以很容易地扩展到其他与人体类似结构的物体对象。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 研究背景和意义
• 1.2 研究现状
• 1.3 相关技术简介
• 1.4 问题主要难点
• 1.5 本文主要内容和章节安排
• 1.5.1 本文的主要内容
• 1.5.2 本文的章节安排
• 2 基于PS的姿态估计算法
• 2.1 PS模型简介
• 2.1.1 PS模型概述
• 2.1.2 基于部分的描述
• 2.1.3 高斯树形结构
• 2.2 模型参数学习算法
• 3 基于adaboost的人体分割算法
• 3.1 算法整体框架
• 3.2 轮廓检测算法
• 3.2.1 亮度梯度
• 3.2.2 颜色梯度
• 3.2.3 纹理梯度
• 3.2.4 融合算法
• 3.3 多尺度超像素
• 3.4 分割算法
• 3.4.1 adaboost简介
• 3.4.2 小尺度超像素图像的分割
• 3.4.3 大尺度超像素图像的分割
• 3.4.4 人体图像分割扩展
• 4 分割算法与姿态估计算法模型的融合
• 4.1 基于边缘的模型
• 4.2 图像初始分割
• 4.3 基于区域的模型
• 4.4 人体精确分割
• 5 实验分析
• 5.1 图像库简介
• 5.2 人体姿态估计结果
• 5.3 人体分割结果
• 结论
• 参考文献
• 攻读硕士学位期间发表学术论文情况
• 致谢