一种基于运动基识别的人体关节运动跟踪粒子滤波估计方法

作者：张亚南; 朱方; 叶龙; 张勤

来源：中国传媒大学学报(自然科学版), 2021, 28(06): 9-16.

DOI：10.16196/j.cnki.issn.1673-4793.2021.06.002

• 运动基
• 粒子滤波
• 预测模型
• 运动跟踪

人体关节运动跟踪是非线性、非高斯系统的运动状态估计问题,粒子滤波器是实现人体运动跟踪的有效手段。粒子状态的预测与更新是影响粒子滤波器性能的关键,预测模型反映人体运动规律的程度是决定使用粒子滤波器能否进行关节运动准确跟踪的主要因素之一。本文提出一种基于人体运动模式识别的关节运动跟踪粒子滤波器架构,在将运动模式定义为运动基的基础上,利用R(2+1)D网络进行运动基类型识别。同时,根据识别所得到的运动基概率密度分布,分配每个运动基对应预测模型的粒子个数并进行关节运动状态的先验概率密度分布计算。在粒子状态更新阶段,选取颜色直方图特征计算粒子适应度,在对粒子状态进行重采样更新的基础上修正运动基的概率密度分布,从而达到了基于粒子滤波器的人体运动模式识别与状态跟踪联合实现的目的。实现结果表明,本文提出的新型粒子滤波器架构在关节跟踪准确性上远优于传统粒子滤波器方案,与基于深度学习的点对点人体关节运动跟踪方法也具有一定的可比性。

• 单位
  中兴通讯股份有限公司; 中国传媒大学