基于先验粒子滤波的视频挥杆动作分析算法

Human Motion and Gesture Analysis is an open problem in the area of computer vision. It is a hot research topic in computer vision especially for some application oriented problems. This project motivates from the computer-aid golf training, aims to develop a new robust human motion and gesture estimation method so that it can be used for practical computer-aided golf swing training. Since the human body motion consists of more than 10 moving parts, with the complex relationship among these parts as well as their fast motions in swing, traditional methods cannot track the motion accurately, classical methods exploit the particle filter to track all these body parts, the drawback of such method is the huge computation load which restricts its practical applications. In this project, we will introduce the priori-knowledge of human motion into particle filter, exploit the priori-knowledge of human motion in new human motion probability model, so that the particle filter can predict the distribution of particles, as a result, low computation load and fast tracking can be achieved. Moreover, we consider to use graph-based feature descriptors, combine the various information such as color, contour etc., to distinguish the various parts of the human body effectively. The outcomes of this research can also be extended to a lot of computer-aid sport training programs.

人体运动姿势估计是计算机视觉领域的一个公开难题，尤其是面向实际应用的人体运动姿态问题，更是计算机视觉领域的研究热点。本项目以计算机辅助高尔夫球训练为应用背景，探索一种鲁棒的人体运动姿势估计方法。考虑到人体由10个运动关系复杂的部位组成，挥杆动作中人体各部位的快速变速运动使得传统方法难以准确跟踪目标，典型的处理方法利用粒子滤波器对每个部位进行运动跟踪，计算量之大使其无法在有效时间内得到结果。本项目拟在粒子滤波器中引入先验知识指导作为切入点，利用人体动作的转移状态与转移条件等先验知识，建立基于特定应用的人体动作概率模型，使得跟踪过程中可以使用先验知识预测粒子滤波样本的分布，以较少的粒子获得较好的跟踪结果。同时，考虑结合基于图方法的多信息融合的特征描述子，通过结合轮廓、颜色等多种信息，以图作为信息容器，实现人体各部位的有效区分，实现鲁棒跟踪。项目研究成果可以应用于各类体育运动的计算机辅助分析。

人体运动姿势估计是计算机视觉领域的一个公开难题，尤其是面向实际应用的人体运动姿态问题更是该领域的研究热点。本项目以计算机辅助高尔夫球训练为应用背景，探索一种鲁棒的人体运动姿势估计方法。考虑到人体由10个运动关系复杂的部位组成，挥杆动作中人体各部位的快速变速运动使得传统方法难以准确跟踪目标，典型的处理方法利用粒子滤波器对每个部位进行运动跟踪，计算量之大使其无法在有效时间内得到结果。本项目在粒子滤波器中引入先验知识指导作为切入点，利用基于边缘匹配的图像分割评价模型,对每个种子点区域生长结果进行优化。利用人体动作的转移状态与转移条件等先验知识，构建对人体各部位的特征提取函数，使得跟踪过程中可以使用先验知识预测粒子滤波样本的分布，以较少的粒子获得较好的跟踪结果。同时，针对高尔夫球运动挥杆的视频，设计基于粒子滤波的姿势跟踪算法，实现从高速运动的视频运动对象中较鲁棒地识别出目标的姿势。项目研究成果可以应用于各类体育运动的计算机辅助分析。