基于改进动态纹理模型的人体运动分析  

Human Motion Analysis Based on Improved Dynamic Texture Model

作　　者：陈昌红[1,2] 赵恒[1] 胡海虹[1] 梁继民[1] 

机构地区：[1]西安电子科技大学生命科学与技术学院,西安710071 [2]南京邮电大学通信与信息工程学院,南京210003

出　　处：《模式识别与人工智能》2010年第2期267-272,共6页Pattern Recognition and Artificial Intelligence

基　　金：国家973计划项目(No.2006CB705700);教育部长江学者和创新团队计划项目(No.IRT0645);国家自然科学基金项目(No.60902083;60872154);陕西省自然科学基础研究计划项目(No.SJ08F18)资助

摘　　要：人体运动分析是计算机视觉领域最活跃的研究课题之一.文中提出2种描述人体运动序列的改进动态纹理模型:二值动态纹理模型和张量子空间动态纹理模型.假设二值图像服从Bernoulli分布,二值动态纹理模型使用二值主成分分析来学习训练模型的参数.张量子空间动态纹理模型将图像看作张量,引入张量子空间分析的方法分别对其行向量和列向量进行降维,将其转化为低维灰度图像,然后用动态纹理模型描述灰度图像序列.在人体行为和步态数据库上的实验结果验证2种改进动态纹理模型的有效性.Human motion analysis is one of the most active subjects in computer vision. Two improved dynamic texture models are proposed for human motion sequence description, binary dynamic texture model and tensor subspace dynamic texture model. A binary image is supposed to submit to Bernoulli distribution, and the logistic principle component analysis is used to learn the parameters of the binary dynamic texture model. In tensor subspace dynamic texture model, a binary image is treated as a tensor with dimensions of column and row reduced by tensor subspace analysis, and then it is transformed to a low-dimensional gray image. The dynamic texture model is applied to describe the gray image sequence. Experimental results on human activity and gait databases show the validity of the two proposed improved dynamic texture models.

关 键 词：人体运动分析 二值图像序列 二值动态纹理模型 张量子空间动态纹理模型 

分 类 号：TP391.41[自动化与计算机技术—计算机应用技术]