针对在实际场景中,人体与背景之间存在相似的颜色和纹理,且人体运动涉及姿态的多样性,在其复杂多变的背景下运动,使分割出人体轨迹较为困难的问题,提出对称差分算法下人体运动轨迹图像分割技术。采用七帧对称差分算法提取人体运动图像...针对在实际场景中,人体与背景之间存在相似的颜色和纹理,且人体运动涉及姿态的多样性,在其复杂多变的背景下运动,使分割出人体轨迹较为困难的问题,提出对称差分算法下人体运动轨迹图像分割技术。采用七帧对称差分算法提取人体运动图像序列的前3帧和后3帧图像,计算其绝对差分图像,获取人体运动目标区域;采用非参数的统计迭代(Mean Shift)算法提取像素模值点分布情况,生成超像素,利用非参数贝叶斯聚类模型融合超像素提取人体运动目标轮廓;利用高斯混合模型建立人体运动轨迹模型,采用极限学习机求解模型识别人体运动轨迹,实现人体运动轨迹图像分割。实验结果表明,所提方法IOU(Intersection Over Union)值最高可达97%,提取运动目标区域和识别运动轨迹精度较高、分割性能较好,适用于人体运动轨迹图像分割。展开更多
文摘针对在实际场景中,人体与背景之间存在相似的颜色和纹理,且人体运动涉及姿态的多样性,在其复杂多变的背景下运动,使分割出人体轨迹较为困难的问题,提出对称差分算法下人体运动轨迹图像分割技术。采用七帧对称差分算法提取人体运动图像序列的前3帧和后3帧图像,计算其绝对差分图像,获取人体运动目标区域;采用非参数的统计迭代(Mean Shift)算法提取像素模值点分布情况,生成超像素,利用非参数贝叶斯聚类模型融合超像素提取人体运动目标轮廓;利用高斯混合模型建立人体运动轨迹模型,采用极限学习机求解模型识别人体运动轨迹,实现人体运动轨迹图像分割。实验结果表明,所提方法IOU(Intersection Over Union)值最高可达97%,提取运动目标区域和识别运动轨迹精度较高、分割性能较好,适用于人体运动轨迹图像分割。
