锐客网

  1. 首页 > 睿知 > >

基于kinect深度图像的人体识别分析

经验分享睿知

Unity kinect技术原理1 。Kinect原理:kinect1:Prime Sense公司的LightCoding技术原理是对不可见光进行编码，然后检测编码后的光束来判断物体的朝向 ， Kinect与Unity Foundation结合使用(SDK安装kinect是输入，人体Behavior识别Classification _人类行为类型分类人体Behavior识别现有的方法主要分为三类:基于模板的方法、基于概率统计的方法和基于语义的方法 。

1、计算机视觉与模式 识别_模式 识别与计算机视觉手册第三版本书第一、二、三版分别于1993年、1999年、2005年出版 。该书全面提供了近20年来模式识别和计算机视觉领域的进展和成就 。作者均为该领域的一流专家，其中ThomasHuang和JakeAggarwal两位是国际格局识别协会(IAPR)颁发的K.S. Fu奖的权威获得者 。这本书由五部分组成 。第一部分是模型的基本方法识别(共5章):第一章:统计模型识别；第二章:时空模式的隐马尔可夫模型；第三章给出了一种新的基于内核的最小误差模式的系统描述 。第4章并行上下文数组文法和轨迹；第五章模式识别与局部不变性 。
【基于kinect深度图像的人体识别分析】
2、 人体三维重建(五 3D 人体姿态重建通常是指借助外部设备对人体进行三维姿态恢复 。与密集的人体几何相比，人体骨架是人体姿态的紧凑表达 。这次主要介绍基于人体 skeleton的姿态重建 。目前业内已经有比较成熟的三维位姿重建解决方案，即接触式运动捕捉系统 ， 如著名的光学运动捕捉系统Vicon(图1) 。首先在人体(比如人体)的关节部位附着一个特殊的光学标记，多个特殊的动作捕捉摄像头可以从不同的角度实时检测标记点 。

接触式动作捕捉由于场景和设备的限制以及价格昂贵，很难被普通消费者使用 。因此，研究人员将目光投向了低成本、非接触式的无标记运动重建技术 。本文主要介绍近年来利用单目RGBD相机或单目RGB相机进行姿态重建的工作 。基于单目RGBD相机的姿态重建基于RGBD的3D姿态重建方法可以分为两种:大数据人脸分析案例和大数据人脸分析案例 。随着社会科技的不断发展 ， 人工技能和面子识别技术也在各个领域普及 。Face 识别技术在大数据的环境下可以发挥强大的作用 。下面分享一下关于大数据人脸分析的内容 。大数据人脸分析案例1基于特征的方法和基于图像 1的方法 。基于特征的方法技术:基于特征的方法试图找到人脸的不变特征进行检测 。其基本思想是 ， 人的视觉可以很容易地察觉到不同姿势和光照条件下对人脸的观察，因此尽管有这些变化，但一定有一致的属性或特征 。

例子:边缘检测器通常提取面部特征，如眼睛、鼻子、嘴巴、眉毛、肤色和发际线 。基于提取的特征，建立统计模型来描述它们之间的关系，并验证图像中的人脸的存在 。优点:易于实现 ， 传统方法的缺点:基于特征的算法的一个主要问题是图像特征可能会因为光照、噪声和遮挡而受到严重破坏 。另外 ， 人脸的特征边界会被弱化，阴影会导致强边缘 ， 使得感知分组算法没有用 。

3、KinectXBOX360

    推荐阅读


    上一篇：保险风险需求分析,40到50岁客户保险需求分析

    下一篇：spss总体均值分析