指纹识别的研究目的意义及国内外研究现状1研究的目的和意义2指纹识别技术简介2&#4..
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
指纹识别的研究目的意义及国内外研究现状
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口基于骨架特征的人体姿态识别的研究基于,骨架,人体,研究,基于人体,特征的,姿态识别..
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
基于骨架特征的人体姿态识别的研究
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口手势识别研究发展现状综述,手势识别,红外手势识别,android手势识别,手势识别算法,..
扫扫二维码，随身浏览文档
手机或平板扫扫即可继续访问
手势识别研究发展现状综述
举报该文档为侵权文档。
举报该文档含有违规或不良信息。
反馈该文档无法正常浏览。
举报该文档为重复文档。
推荐理由：
将文档分享至：
分享完整地址
文档地址：
粘贴到BBS或博客
flash地址：
支持嵌入FLASH地址的网站使用
html代码：
&embed src='/DocinViewer-4.swf' width='100%' height='600' type=application/x-shockwave-flash ALLOWFULLSCREEN='true' ALLOWSCRIPTACCESS='always'&&/embed&
450px*300px480px*400px650px*490px
支持嵌入HTML代码的网站使用
您的内容已经提交成功
您所提交的内容需要审核后才能发布，请您等待！
3秒自动关闭窗口眼神法识别GAY的实用操作步骤
第一章国内外GAY产业发展现状&
GAY民自古至今或如暗流、或如优伶一直是游离于大家正常标准之外的一群野民，随着上世纪中期国外GAY们率先走出家门为大家扯出争权大旗以来，越来越多的人们面向镜头表白：我是GAY.我国的同性恋人群的蜂拥突现还是在上世纪九十年代初，彼时虽呈星星点点之状，但已为今天众多G吧、渔场奠定了坚实的基础，随着网络的日益普及，网G的盛行打开了近几个世纪以来所未有的盛况。&&
目前国内GAY们普遍存在的痛苦感从总体上可分为以下几种情况：（1）处于闭塞期，无法找到同类人；（2）找不到合适的对象；（3）无法得到世人理解。对于第三种情况本文不做论述，仅对第一种的解决方案予以探讨，通过不同的方法来识别JG，可为第二种痛苦的GAY们提供更多的识GAY机会，从而曲线的舒缓痛苦感。
&随着时代的发展，进入二十一世纪以来，日益流行的中性路线特别是今年粉红男的暴增，更加大了GAY们识别同类人的难度。张北川、李银河等国内知名同性恋专家，对于识GAY友方法一带而过，国内的心理咨询中心对GAY的处理方法常是向异性恋方向规劝，电台方面以告诫艾滋为重点，网络上常以倡导无性高尚为目标，目前国内GAY圈现状对怎样解决GAY自身的深切痛苦如隔靴搔痒。因此，怎样来为他们提供一个有效的识别GAY的方法，解决部分GAY民的闭塞之痛，促进GAY们更好的交流与配对，稳定社会的GAY圈骚乱，就显得极为重要，也是非常有现实意义的。&
第二章 传统识别GAG的方法及其不足
即为GAG，当然是在逛街的前提下来认识同类人，这是大家经常碰到的摆在面前的难题，怎样在无风险、不失体面的情况下有效的识别GAG，前人已做过无数努力，基本上形成了以下几种常规方法。
（1）语言暗示法。由于GAY圈是排斥在众人之外的，因此，在其形成过程也衍生出众多的专业词汇，比如0、1、T、P等等。语言暗示法就是在引起对方注意的前提下，通过与朋友或电话交谈，透出专业词汇，若对方同为圈中人，自然会多加眼神观注。此法优点在于简单明了，但由于网络上中性人群的兴起，这些专业词汇已近普及之势，在现阶段尚可起到一定作用，可以预见，随着网络及时代的进一步发展，此法将渐显无力。
（2）直观法。本法是指在上厕所时，直接观看对方的阴茎，来引进对方的注意，以此来向对方发出“是否同类人”的无言语式询问。此法虽简单粗俗，但可有效的将双方引至床上。但缺点是在普通厕所极易引进直人的殴打，风险很大，只能适用于GAY们常去的厕所；而且此法是以性为主要目的的，不利良好社会风气的发展，故其弊处多多。
（3）“无意轻触”法。此类方法是以与对方有意无意中的身体接触，通过微妙的肢体暗示，来表明身份，比如握手时用手指轻勾对方手心、比如在车上“无意识”的撞向对方或手、腿并触、逛街时在人多处“无意”磨擦等等。此法虽可为暗示人带来一定程度上的意淫感，但暗示难以把握火候，过了惹祸欠了无法明白传递信息，因此此法适用范围不广。
（4）表白法。此种方法非常直接，就是向对方要号码或向对方提供自己的号码，或以语言搭讪为先来逐步的达到目的。但此法最大局限在于，无法确认对方是否是GAY，因此其准确率是极低的。
（5）直视法。该方法与前一种方法类似，以直视代替语言或动作，由于眼神直直接触含有攻击成分，因此此法受限过多，无法广泛使用。
（6）标志法。在GAY圈曾有人提议用标志物的方法来标识GAY与常人的不同，比如左红1右黄0前口袋卖、比如右耳环等。此法仅适用于与GAY圈接触密切的人群，对于信息闭塞者而言，无法获取及时的资讯。而随着中性人群的增多，某些以前做为GAY标志的如右耳环已被渐渐替代。此法有个致命的缺点就是，若非GAY人士无意中知道此类标志，由此来辨识GAY，极易造成GAY身份的暴露，致使闲言四起。
综上所述，常规的传统的识别JG的方法局限性太大，无法有效而无风险的识出同类人，而且准确率极低，极度依赖于实践者的实践经验，对于其适用性存在诸多不便。
第三章 眼神法识别GAG的实用操作步骤及优点
本方法是论文的重点，与前面所述的直视法有着本质的不同，直视法是眼神直勾勾的盯住对方，而且包含浓重的色情意味，其识别后的结果往往是性。而眼神法同样是用眼睛，但其目的只是为了识别对方是不是GAY，一般情况下并不做进一步的发展。
具体实施步骤如下：GAY民在逛街时，除了和常人忙于购物环境外，普遍将精力拿出一部分来，用于观注其他人中是否存在GAY的可能性。因此，在眼神扫视的过程中，若看到适当目标（比如看到自己喜欢的类型、靓哥帅妹、成熟男活泼女等）眼神会出现一瞬间的停顿，请注意，就是在这一瞬间，所有的信息将随之发出。若对方是GAY，也处在同样的扫射状时，两个一瞬间在这一刹那，电光火石，信息在不到千分之一秒间交流、试探、确认。这是眼神法中最关键的一个环节，时间虽短，但足可以让双方确认为GAY
这是本法的主要操作步骤。由于属于理论型，无法给予大家实地演习，因此，为保证大家的充分理解，特举例，以类比、通感手法描述，以图使大家能彻底明了、掌握、应用。
（1）骑车单车时，如果轮胎气充足，骑起来会感觉轻松而飞快，若气不足，会感到轮胎与地面有种粘滞力（下雨时感觉尤甚）。此时的粘滞力，就与眼神扫视过程中的那种凝顿是相类似的。眼神扫视是一种平滑式的从一个物体过渡到另一物体，而目标出现时，会出现间断性的眼神过渡，从目标脸上（或身体上）往下一物体过渡时，会出现一种粘滞力、吸力，让眼神无法畅通的移向下一物体。
（2）在跳交际舞时，尤其是跳慢三时，重心是随着脚步的起落，呈波浪状起伏的，而脚掌在着地时，重心也是随着脚掌的逐步、全面着地而缓缓由脚跟圆滑过渡到脚尖的。此时的状态与眼神的普通扫视是一样的。若有新学跳舞者，在跳慢三时往往会以突跃式的步子来前进。这与眼神法中的那种平滑、凝滞的区别也是相类似的。
（3）在图书馆或书店盲目浏览书脊时，如果碰到自己感兴趣的书（比如〈百年孤独〉、〈红楼梦〉等），在一马平川的眼神扫视过程中就会出现短时的停顿，此时的停顿与本论文所讲述的眼神法也是类似的。
此外，与普通人相比而言，常人在看东西时，即使看到喜欢的目标哪怕是偶像，其眼神中只有喜欢、羡慕或是亲近，没有GAY眼神中的那种试探，这是本法得以有效识别对方是直人还是GAY的非常有力的一点保证。
眼神法的优点就在于，能在悄无声息中，完成两人的会意，在本人实践过程中，如果不向身边朋友暗示，就与对面的GAY用眼神交流，可以达到百分百的身边朋友隐瞒率。对于眼神停顿瞬间误断对方为GAY的误断率可控制在5%以内，其误差是可以接受的。而本法的另一优点在于，熟练掌握后，即使其他两人眼神对撞时，做为外人也能捕捉到其交流信息，同样可达到识别“double街GAY”的情况，而这在常规方法中是根本无法想像的。
第四章 眼神法的不足与前景展望
本法也存在着一定的适用范围。当双方都处在无意识的浏览周围人物或寻觅期，虽可满足几乎是100%的准确度，但对于某些一本正经的GAY（或故作清高、道貌岸然者）而言，其眼神是直视前方，根本不与外在物做相应交流，此时，本法失效。
本论文在调研、实践中所总结出的眼神法，将使众多GAY民能够快速、有效、无风险、准确的识别GAY，即使与家人、朋友、同事逛街过程中，一样可以在不知觉中完成识别GAY的过程。可以预见，在不久的将来，随着本方的普遍使用，随着GAY们的不断实践，将会更加方便的在众多人群中识别同类人，可以有效的降低找友成本、整合资源，高效率的实现找友，为广大GAY民的幸福锦上添花。
------------同志经典爱情告白句系列161-170------&
161.我想让我爱的人明白我爱他
&&&&然而那只是愿望而已.&
162.我已经开始明白你的爱,这是不是幸福的开始?
163.要是你厌倦我了，请一定要说出来，不然我怕我不明白……&
你要自由，我就给，但…要你自己开口。&
164.没关系的，看着你的背影也没关系的，只要你会转身，就好了
165.我摇摇头，默默地从顶楼看着马路上的拥攘车流。&
一辆接着一辆,飞快地消失在我的视线里.&
人生或许也是这样,一个人接着一个人,一件事接着一件事,都会像车流这样消失不见.
往后再遇见,也早就分辨不出来了.
我跟谁,才能够永远牢固的,保持紧密相连？
166.血液里有种成分叫做血小板,可以使身体的伤口慢慢愈合.&
世界上也有种东西叫做时间,可以使心灵的疼痛慢慢变淡.&
也许,没有什么大不了的...
167.我不会忘记你，我不会忘记任何人。走过我身边的，我一定会记住.
168.多少年来，我所历唯一乱世，不是覆国倾城，不是流离无依，不是贫病交困，乃是寻着你，又失了你；失了你，便再也没遇上你。&
169.我爱你爱得要杀死你，其实后来我才明白这句话我说反了，我.......死在你的手上，我也甘之如饴
170.－－我死了，你会不会难过？&
－－你死了，我不会难过，但我会在很久很久以后非常非常难过．
本文配图为同志评选2009最性感男士100位系列92-94
此文系转载自网络，本博登载此文出于传递更多信息之目的，并不意味着赞同其观点或证实其描述。文章内容仅供参考，不构成投资建议。投资者据此操作，风险自担。
已投稿到：
以上网友发言只代表其个人观点，不代表新浪网的观点或立场。运动人物的检测、跟踪与识别综述93
上亿文档资料，等你来发现
运动人物的检测、跟踪与识别综述93
运动人物的检测、跟踪与识别综述?；李春明,李玉山,张大朴,刘洋；1.西安电子科技大学电路CAD研究所.河北科技大学信息科学与工程学院,050054；摘要：在广泛研究前人工作的基础上，本文对运动人物；使分类清楚明了，本文将人物运动分析分为两大类：人；析包括人的较大幅度的肢体运动，如手势识别、步态分；包括人脸检测与识别、表情分析；究前景；关键词：
运动人物的检测、跟踪与识别综述?李春明, 李玉山, 张大朴, 刘洋1. 西安电子科技大学电路CAD研究所 7100712. 河北科技大学信息科学与工程学院, 050054摘要：在广泛研究前人工作的基础上，本文对运动人物的检测、跟踪与识别进行了综述。为使分类清楚明了，本文将人物运动分析分为两大类：人体运动分析，人脸分析。人体运动分析包括人的较大幅度的肢体运动，如手势识别、步态分析、整个人体的运动分析；人脸分析包括人脸检测与识别、表情分析。在详细介绍了国内外研究现状后，提出了存在的问题及研究前景。关键词：人脸 人体 运动 检测 跟踪 识别 1,2111一、引言目前，运动人物的检测、跟踪与识别已成为计算机视觉领域中备受关注的研究方向。这里所说的人物是一个广义的名词，它包括人脸、人体、人脸上的各器官、人体的各个组成部分，如手、手指、眼睛等都属于其中的一个部分。运动人物分析从包含人的图像序列中检测、跟踪与识别人或人体的某一部分，并进一步分析理解人的运动行为。该课题属于图像理解和分析的范畴，涉及到计算机视觉、图像处理、模式识别、心理学等领域。它研究的是人体的各种运动，如头部、胳膊、手、肘及腿部的运动。因此，人体运动分析、人脸识别、脸部表情分析、手势识别、人体跟踪、步态分析，以及手掌识别、指纹识别、虹膜识别等生物特征识别技术都属于本课题研究的内容。计算机视觉中有关运动的研究，早在二十世纪三十年代就开始了。但早期较成功的研究还主要是集中于对刚体运动的研究上。五十年代左右，对非刚体的研究逐渐兴起。尤其是人的运动分析，由于其在监控、机器人、人机交互等方面具有广泛的应用前景，而激发了世界范围内的广大工作者的研究兴趣。在心理学方面，Johansson[1]在他著名的MLDs(MovingLight Displays)实验中发现人们只需根据很少的运动点就可以识别出运动的模式，如走、起立。这引出了一个问题：是否可以直接从运动中识别运动模式，而不需要恢复结构。在运动学方面，需要发掘人体的模型以解释其运动基理。在舞蹈学方面，人们长期致力于设计用于舞蹈、芭蕾、戏剧的高层次的人体运动描述。计算机图像学则处理人体运动的合成。目前，人运动分析发展很快。而人运动分析的难点主要在于：（1）因为人是由关节连接起来的，因此属于非刚体运动模式；（2）自遮挡；（3）缺少视觉纹理。人们需要从包含非刚体运动和遮挡的自然景物中迅速分割运动的人体，主要应用领域已成为：（1）监控领域：即跟踪单个或多个物体并对某些特定的动作进行监视。应用之一是出入口控制，它检测某个人是否真的出现，然后对其进行人脸识别、跟踪；其他应用如停车场的监控系统，它跟踪物体的运动以判断是否会有犯罪情况的发生。（2）控制领域：与控制领域中相关的应用是提供控制函数。如设计游戏，虚拟环境，动画等的接口。这时，可通过脸部表情分析、手势识别等进行更好的人机交互。（3）分析领域：对人运动的分析和理解有助于建立人体的几何模型，解释人体的运动行为机制。可用于医学步态分析、体育运动及舞蹈训练等。二、国内外研究现状为使分类清楚明了，本文将人物运动分析分为两大类：人体运动分析，人脸分析。人体运动分析包括人的较大幅度的肢体运动，如手势识别、步态分析、整个人体的运动分析；人脸分析包括人脸检测与识别、表情分析。（一）人体运动分析 基金项目：国家自然科学基金资助项目（）；教育部博士点基金资助项目（）。 ?在人体运动分析逐步兴起的几十年中，研究人员使用了各种研究方法。人体运动分析从不同方面来看，有不同的分类方法[1][2]。如基于模型的方法和基于非模型的方法，二维方法和三维方法，传感器种类（可视光、红外光、深度数据等等），传感器数量，运动的和静止的传感器，跟踪和识别，角度估计和跟踪，角度估计和识别，各种应用，单人和多人，被跟踪的肢体数量，分布和集中处理，等等。不管哪一种方法，处理的都是包含人体的动态图像序列，研究过程可分为目标检测、目标分类、跟踪、识别几个方面。研究时可单独针对其中的某一方面，或设计完整的系统。下面，分别介绍每个研究过程中使用的各种方法。1. 目标检测目标检测就是从动态图像序列中检测出运动的人体，并将其与背景分离[3][4]。它在运动视觉检测和新的MPEG-4视频编码标准中都起着十分重要的作用。动态目标检测的背景有两种类型，静态的背景和运动的背景。静态背景时只有目标物在动。而运动背景情况下目标物和背景都在动，这时检测的困难在于背景的动态变化，如光照、影子、天气等的干扰。最简单的目标检测方法是两帧差分法，但只适用于静态背景的情况。为了适应动态的背景可使用光流等方法。下面分类论述：（1）基于检测变化区域的分割方法，即通过全局运动估计和补偿后，认为相邻帧间的背景是静止的，可通过帧间的差分检测到运动区域。Neri[5]认为噪声具有高斯特性而运动对象具有很强的结构性，可采用互帧差的四次高阶统计量预分割出运动区域和背景区域。但在运动对象的内部容易产生空洞。Mech[6]则提出一种基于变换检测模板的分割算法，即阈值化相邻帧差获得变化检测模板，然后采用松弛技术平滑边缘，再利用对象形状的空间连贯性得到变化检测模板，通过去除未覆盖的背景获得运动对象模板。这类方法计算简单，但对象运动不能太快，对噪声有一定的敏感性。（2）基于光流场和基于运动参数估计的方法，即通过计算光流场和估计运动参数，找出符合运动模型的象素区域，进而合并区域来构成运动对象。如L. Wixson[7]检测物体的运动特征点，通过计算“方向一致性光流”进行运动检测。文献[8]利用光流方法，从运动速度上区分不同目标与背景。由于光流估计的可靠性差，又提出了基于贝叶斯法概率统计的运动分割方法，即在给定的光流数据的条件下，搜索分割标记的最大后验概率，使得当前分割与期望分割符合的程度最大。贝叶斯法可同时进行分割和运动估计，效果较好，但计算复杂，计算量大，不适于实时处理。而且先验参数不好估计，有时需要使用复杂的先验知识。针对该问题，Nuno[9]提出了一种根据经验的贝叶斯运动分割算法，该算法只需要一个合适的先验表示，而不需各种先验参数。（3）用数学形态学分水岭算法或别的静态分割算法分割静态帧或提取静态轮廓，与帧间信息相结合来提取运动对象。由以上分析可看出，运动信息在运动目标检测中占有重要地位。进行运动估计时，要使用空间约束以得到合适的参数模型。但由于选用区域及纹理模式的限制，使估计质量降低，而且对遮挡和时间相关性敏感。空间和时间结合的方法在处理以上问题时取得了较好的效果。2. 目标分类目标分类就是将检测出的运动区域进行分类，以确定哪个区域是所要跟踪的人体。这是因为在一段视频图像中，运动的不仅是人，背景也存在各种变化，如交通、树木等等都在运动。但这一步往往和跟踪联系在一起，大多数算法中没有将它独立出来。目标分类的方法可分为两类：（1）基于形状信息的方法：利用检测出的运动区域的形状特征进行分类。如Kuno与Watanabe[10]使用简单的人体轮廓模式的形状参数检测图像中的运动人体。（2）基于运动特性的方法：利用人体运动的周期性进行目标分类。如Cutler与Davis[11]通过跟踪感兴趣的运动目标，计算出目标随时间变化的自相关特性，而人的周期性运动使其自相关也是周期性的，因此分析目标是否存在周期性的运动可检测人体。文献[12]对运动分类的方法也属于基于运动特性的方法，它利用先验知识建立了统一的非参数统计运动模型，对刚体运动及人体运动进行了分类。虽然该方法主要是用于对具有单一运动模式的图像序列进行分类，而不是从包含多种动态目标的图像序列中检测运动人体，但它建立基于概率的运动模型的方法也可用于目标的粗分类上。3. 跟踪目标跟踪也是运动分析的关键步骤，甚至在军事和安全设备中也有应用，如自动瞄准系统就需要对目标进行跟踪。跟踪的主要问题是进行匹配估计，即建立物体的模型，然后在图像序列中估计与之最匹配的模型。跟踪的分类方法也很多，但各种方法中一般都使用了与图像表示有关的某种模型，尽管有时进行算法描述时没有提及这一点。跟踪时常用的数学工具有kalman滤波器、Condensation算法[13]、贝叶斯估计等。根据使用的不同模型可将跟踪算法分类为：（1） 2D非显形状模型(without explicit shape models) 。非显形状模型提供了现象学的空间-时间表示（spatio-temporal appearance）。它表示了运动的模式，而没有使用明确的物理或几何模型。即找到这个人但不使用他的身体各部分。一般使用统计学的方法，由感兴趣的区域中的低层特征推导所需的统计元素。该方法在手部角度估计和姿势语言识别等领域得到普遍的应用。但近期该方法也逐渐用作人体的跟踪。如Yang和Lius等提出的方法[14][15]，他们的人体模型是身体各部分位置和速度的联合概率密度函数，用人体的分解三角图导出。该方法可对整个人体进行跟踪。（2） 2D显形状模型（2D explicit shape models）。该方法利用了人体二维运动的明确先验知识，使用的模型一般有线图（stick figures）、图像平面（image plane）等。线图用直线近似人体的各部分，图像平面用二维的投影。如Chang和Huang[16]检测与胳膊和脚相应的带状物。Geurtz[17]使用椭圆面表示人体的关节模型。文献[18]使用图像序列的XY切片跟踪明显的有关节结构物体的运动轮廓。（3） 3D模型。该方法建立或恢复人体的三维模型，要求更多的匹配参数及更大的计算量。当然，在跟踪时可利用的参数也更多，比二维方法有更好的应用前景。如文献[19]使用Bayes方法进行3D建模。Cascia等人[20]提出了一种基于纹理映射三维模型注册的方法来实现头部跟踪。头部模型用一个纹理映射柱面来表示，通过将注册误差规范化、加权最小平方最小化可得到快速、稳定的在线跟踪。而且适用于有噪声且光照条件变化较大的情况。在参考文献[1]中对3D建模有较详尽的描述。文献[21]将处理关节结构的机器人技术与固有表面合并起来进行运动捕捉，其人体模型属于三维模型。具体来说，目前使用较多的有以下几种方法：基于视图的方法（view-based）：使用固定的模板跟踪目标只能得到短时间内的有效跟踪，这是由于固定模板不能适应目标形状的变化[22]。为解决这一问题，可提供模板上每个象素的变化能力来提高这类跟踪器的性能。但这些方法一般需要一个预先的训练过程。使用外观的子空间模型可进一步提高跟踪的鲁棒性，这些模型要使用主元素分析法得到，优点是可对姿态和光照的变化建模。但缺点是模型仍是基于特定的物体建立，而且需要预先的学习以得到子空间基。基于运动的方法（motion-based）：基于运动的跟踪器使用了全局的运动信息，这也是目前使用较多的一种方法。检测两帧图像时，使用的模型就是刚刚观测到的物体。优点是跟踪器能够迅速适应外观的变化，缺点是跟踪常常从目标物上偏移开，尤其是当目标物和背景相似时。Allan D. Jepson[22]等认为，将运动信息与外观（apparence）信息相组合能够提高跟踪器的性能。例如，从已估计出的运动中可得到稳定的图像序列来学习外观模型，然后可使用类似于IRR之类的低通滤波器去除噪声、决定各帧的加权值。他们使用了混合的模型捕捉目标的外观，并将其与运动信息组合在一起进行跟踪。但当出现完全遮挡时，他们的跟踪效果也不好。基于轮廓的方法（contour-based）：现有的跟踪方法中很多也使用了轮廓跟踪。A. Yuille[23]等使用的可变形模板就包括提取目标物的轮廓作为模型参数，将其与后继图像进行匹配以寻找感兴趣的轮廓。V. Caselles[24][25] 等的活动轮廓(the active contour)方法将整体轮廓定义为能量，通过解决能量最小化问题进行跟踪。文献[26]通过计算前后两帧动态图象中对应控制点的变化，自动调整设定Snakes模型中当前帧的初期轮廓，然后再利用Snakes模型自动追迹动态图象中目标的轮廓。Kalman滤波器和condensation[27][28][29]算法中也使用了轮廓，它们不但包括描述观测边缘上的噪声有效性的观察模型，而且包括曲线的动态模型，两种模型组合在一起确定曲线的位置。进一步，Daniel Freedman[30]将跟踪定义为曲线匹配的问题，他把物体的边缘曲线匹配到形状空间，使用树搜寻的方式进行跟踪。存在的问题仍是遮挡。统计模型（statistical modeling）：对物体的一部分或整体使用概率模型进行跟踪的方法得到了越来越广泛的应用。如使用颜色直方图。这些方法适应图像的变形和遮挡，易于学习。缺点是模型的粗糙性限制了其应用，特别是当所跟踪区域的统计特性与周围物体相似时，跟踪难以进行。文献[12]使用了由图像序列直接导出的与局部运动相关的时间和尺度联合分布的概率模型，可处理时间和空间上都有变化的图像。贝叶斯估计：文献 [9]指出很多视觉问题都可以归结为寻找一个最大后验估计，而解决这个问题的最好方法是贝叶斯估计。Tao[31]和Lim[32]都使用了Bayes方法进行跟踪。为了得到贝叶斯估计所需的先验知识，可使用不同的模型：均匀区域、纹理区域和snakes。均匀区域模型和纹理模型根据颜色信息建立模型，snakes使用边缘算子，如canny、sobel等先提取边缘信息，然后建立模型。但是snakes模型本身存在着一些缺陷，如对起始位置敏感、易陷入局部极值、无法收敛到轮廓的深度凹陷部分、不具备自动拓扑变换能力等。人们对基本的snake模型进行了各种各样的改进，如ballon模型、GVF snake、基本动态规划的snake以及具有拓扑变化的snake等，这些模型虽然在某一方面作出一些改进，但未从根本上解决snake模型存在的困难。Christopher[33]等总结了以上模型的表示方法，并使用已有的probabilistic data association filter (PDAF) 进行了人体跟踪。当跟踪多个人体时，他们使用联合似然滤波器，得到了较好的试验结果。4. 识别运动人体识别使用的方法近年来增长迅速，已成为一个研究热点。运动识别指的是行为理解与描述，即对人的运动模式进行分析和识别，并用自然语言等加以描述。这属于图像分析的高层范畴。行为理解与描述指的是，可以将行为理解与描述看作一个匹配的过程，即将未知的测试系列与已标定的序列库进行匹配。与之相关的问题是如何从训练集中学习参考序列。不管是匹配问题还是学习问题，都必须适应运动模式在小范围内的变化。可将行为理解与描述的方法分为两大类：静态识别和动态识别。1）静态识别：静态识别使用的是空间数据，一次只使用一帧图像。这类方法一般是将现有图像和存储的信息进行比较。使用的信息有模板、归一化的轮廓图像、姿态等。静态识别的目标主要是识别各种姿态，如站立和坐下，以及交互接口中使用的特定姿态。如Oren等[34]使用了模板方法，他们从一些图像中分割步行动作，并产生一个基于哈尔小波的模板。将该模板与图像序列的各帧进行比较，以寻找与之匹配的步行动作。文献[35]使用基于视图的方法表示和识别人体运动，他们的时间模板是静态矢量图像，每一点的矢量值都是相应空间图像点的运动特性的函数。2）动态识别：这类方法使用了时间特征，将相对简单的动作如走路等用作测试序列，系统可使用低层或高层数据。低层识别一般基于没有经过处理的时间－空间数据，有时间－空间模板和运动模板。目标是判断图像序列中的人是否在走动。高层识别一般基于角度估计数据，这类识别使用的方法包括了相关和侧面轮廓匹配，HMMs（hidden Markov models，隐马尔可夫模型），神经网络等。目标是识别走路、拿物体、姿势、指、挥动、站立或行走、跑、分类相当复杂的运动或舞蹈动作等。Chomat[36]等使用由PCA(Principle component analysis)计算出的一系列时间－空间滤波器产生运动模板，用贝叶斯分类器执行动作选择。Niyogi[37]等使用时间模板，通过连接序列中每个图像的最低行产生XT-slice，用这个切片检测运动的模式，最后使用欧式距离通过各人走路的模式将其识别出来。高层的动态识别常常基于不同部分的姿态数据。Ju[38]等的工作中运动识别基于个人肢体（腿部）的运动参数。Yacoob和Black[39]使用上述工作的结果并建立了一个顶层分类器。在定义了运动参数后，使用PCA计算出更紧凑和更有判别力的表达式。他们识别出了四种不同的活动。Aaron F. Bobick[35]等使用的是时间模板方法，该模板是一个静态矢量图像，而每个点的矢量值都是每个图像序列相应空间位置的运动特性的函数，识别时将该模型与预先已知的运动视图相比较。基于运动的特征可使用光流的方法由密度矢量场计算出，这些特征一般对应于一阶导数，如直方图，不同方向的平均值等。ChunMei Lu[40]等使用了基于运动参数的运动分割和分类。他们假设人体的运动是具有重复性的，将联合运动描述为离散的多维时间序列，如联合角度及其导数。识别时建立了动态模型，并利用模型的参数设计分类器。该方法在分解复杂的动作如跆拳道时取得了较好的效果，缺点是需调整的模型参数较多，且直接关系到分类器的性能。由以上分析可看出，人体运动分析的难点技术在于：三维模型的建立于跟踪、遮挡处理、运动分割。随着新算法的不断出现，如何评估来自不同背景、不同试验条件的各种算法也是一个较难解决的问题。而人体运动分析的发展方向有：（1）音频与视觉相结合的多模态接口，将视觉与听觉结合起来使用。现有的系统一般使用独立的信息，如语音识别系统使用听觉信息，人脸识别系统使用视觉信息，这些系统善于处理特定信息。如果将两种或以上的信息结合起来使用，一定会弥补各自的不足。这方面已有人进行了研究。如Matthew J. Beal和 Nebojsa Jojic[41]设计的用于audiovisual object tracking的graphical model就是这样一种系统。（2）多摄像机的使用。多摄像机可提供多角度的信息，尤其适用于三维建模方面。但某一时刻选用哪个摄像机的图像是一个有待解决的问题。（3）高层次的行为理解与描述。对人体运动的行为理解不再局限于简单的动作定义和识别，而是分析和理解人与人的交互、个人行为等。（二）人脸检测和识别在出入口监控、视频人脸检索等系统中运动人体分析的最终目的包含人的身份识别等问题。在视频监视中，远距离的监视得到人体运动信息，如步态等；近距离的监视则以人脸为主，这时需要人脸检测与跟踪、人脸识别。另外，与指纹、虹膜等一样，人脸识别也属于一种生物特征认证技术。而且人脸识别更可靠、更易于被人们所接受，因此而受到了人们的高度重视。人脸属于人体的一部分，但又具有本身的特殊性，如包含五官、五官的分布具有一定的规律、直观的肤色、具有各种各样的表情等。这使得动态序列中人脸的检测与识别既可使用动态人体分析的各种方法，又可以根据自身的特点进行改进。可以把人脸检测和识别的步骤分为人脸检测和定位、人脸跟踪、人脸识别三大步骤。下面分别进行介绍。1．人脸检测与定位包含各类专业文献、文学作品欣赏、高等教育、各类资格考试、专业论文、应用写作文书、生活休闲娱乐、外语学习资料、运动人物的检测、跟踪与识别综述93等内容。　
　目标识别与跟踪综述_信息与通信_工程科技_专业资料。综述摘要:人体的运动分析主要指的是对场景中的运动个体或者群体进行运动检测、 运动跟踪与理解以到达描述人体行为... 　车型识别综述一.课题的背景和意义智能交通系统(ITs,IntelligentTransportationSystem)...检测和跟踪 多辆车,得到车辆形状信息的方法,并采用图像帧差技术进行运动分割,... 　识别系统和视频解码的大量运用, 人脸检测的研究才得到了新的发展 利用运动、颜色...(3)视频监控公共场所,当有异常情况时,需要实时跟踪,监控, 识别和报警等。这... 　一、基本目标检测运动目标图像的识别与跟踪本文主要目的是将视频摄像头中的运动...是这一背景中有人运动的图像比较: a 人物运动图像原图 b 人物运动时经差值... 　监控系统下的运动目标检测方法[文献综述]_教育学/心理学_人文社科_专业资料。监控...显示及硬盘录象类的简单功 能,发展到利用计算机实现智能的运动检测和目标跟踪。 ... 　基于运动的识别方法指通过分析人运动时的步态 (Gait) 特征来识别行 人. 人体...[1] 贾慧星,章毓晋.车辆辅助驾驶系统中基于计算机视觉的行人检测研究综述.自动... 　(1) 基于特征匹配的目标跟踪 基于特征匹配的跟踪方法的基本思路是: 提取运动...人体行为识别可以简单地认为是时变数据的分类问题, 即将测试 序列与预先标定的... 　多目标跟踪综述_兵器/核科学_工程科技_专业资料。多目标踪 综述多...多检测、提取、识别和跟踪,通 过获得目标的运动参数,如位置、速度以及运动轨迹,... 　其核心是利用 计算机视觉技术从图像序列中检测,跟踪,识别人并对其行为进行理解与...人的运动分析在视频会议,人物动画,虚拟工作室等其它虚拟现实场合也有着相当广 泛...