基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
提出了在图像序列中用自适应前景分割及粒子滤波对人体的3-D运动轨迹进行跟踪的方法.首先建立了像素点的高斯模型,并结合图像帧间的差分信息以及灰度分布的先验概率等因素完成了图像中人体的自适应分割.根据所得到的分割结果建立了透视投影下的运动平面跟踪模型.根据投影过程的非线性以及图像中噪声分布的未知性,提出了粒子滤波的跟踪方法,并最终得到了人体运动平面的3-D轨迹.实际人体运动图像序列的实验证明,本文方法能有效地跟踪人体运动的3-D轨迹,并反映出在此跟踪问题上粒子滤波比传统的扩展卡尔曼滤波更具优势.
推荐文章
基于自适应时空码书的粒子滤波多目标跟踪
时空码书
自适应
粒子滤波
跟踪
多目标
Kalman滤波的人体运动位置跟踪算法
人体运动跟踪
Kalman滤波
自适应背景颜色模型
基于自适应粒子滤波的跳水运动视频跟踪算法
跳水运动视频跟踪
自适应观测模型
粒子滤波
Kalman滤波的人体运动位置跟踪算法
人体运动跟踪
Kalman滤波
自适应背景颜色模型
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于自适应前景分割及粒子滤波的人体运动跟踪
来源期刊 测试技术学报 学科 工学
关键词 图像序列 人体运动跟踪 三维轨迹 自适应分割 粒子滤波
年,卷(期) 2005,(3) 所属期刊栏目 信号检测、算法与仿真
研究方向 页码范围 320-326
页数 7页 分类号 TP391.41
字数 4028字 语种 中文
DOI 10.3969/j.issn.1671-7449.2005.03.017
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 张云华 浙江理工大学计算机视觉与模式识别研究中心 76 342 11.0 16.0
2 汪亚明 浙江理工大学计算机视觉与模式识别研究中心 91 720 14.0 23.0
3 李伟 浙江理工大学计算机视觉与模式识别研究中心 70 310 7.0 15.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (6)
共引文献  (6)
参考文献  (9)
节点文献
引证文献  (6)
同被引文献  (6)
二级引证文献  (11)
1980(1)
  • 参考文献(1)
  • 二级参考文献(0)
1984(2)
  • 参考文献(1)
  • 二级参考文献(1)
1986(1)
  • 参考文献(0)
  • 二级参考文献(1)
1992(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(1)
  • 二级参考文献(1)
1995(1)
  • 参考文献(1)
  • 二级参考文献(0)
1997(2)
  • 参考文献(0)
  • 二级参考文献(2)
1998(1)
  • 参考文献(1)
  • 二级参考文献(0)
1999(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2002(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(1)
  • 参考文献(1)
  • 二级参考文献(0)
2005(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2006(1)
  • 引证文献(1)
  • 二级引证文献(0)
2007(2)
  • 引证文献(2)
  • 二级引证文献(0)
2008(2)
  • 引证文献(2)
  • 二级引证文献(0)
2009(5)
  • 引证文献(1)
  • 二级引证文献(4)
2010(3)
  • 引证文献(0)
  • 二级引证文献(3)
2013(1)
  • 引证文献(0)
  • 二级引证文献(1)
2014(1)
  • 引证文献(0)
  • 二级引证文献(1)
2016(1)
  • 引证文献(0)
  • 二级引证文献(1)
2019(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
图像序列
人体运动跟踪
三维轨迹
自适应分割
粒子滤波
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
测试技术学报
双月刊
1671-7449
14-1301/TP
大16开
太原13号信箱
22-14
1986
chi
出版文献量(篇)
2837
总下载数(次)
7
总被引数(次)
13975
相关基金
国家自然科学基金
英文译名:the National Natural Science Foundation of China
官方网址:http://www.nsfc.gov.cn/
项目类型:青年科学基金项目(面上项目)
学科类型:数理科学
浙江省自然科学基金
英文译名:
官方网址:http://www.zjnsf.net/
项目类型:一般项目
学科类型:
论文1v1指导