大连理工大学硕士学位论文人体下肢运动分析姓名：王晏申请学位级别：硕士专业：通信与信息系统指导教师：孙怡20050317摘要近些年来，人体运动的跟踪与分析在图像处理和计算机视觉领域引起许多学者的关注。

这一课题在智能监视系统、虚拟现实、高级用户接口、运动分析和基于模型的图像编码等方面具有广阔的应用前景。

利用图像序列进行人体运动的跟踪与分析包含四个基本内容：（１）从背景中提取运动目标；（２）从运动目标中分出人体目标；（３）运动人体的跟踪；（４）人体行为的理解与描述。

其中，人体运动的跟踪和标定是人体运动跟踪与分析过程的关键，是进一步识别和理解人体运动行为的基础。

本文提出了一种行走人体下肢关节点定位的算法。

该算法是根据人行走时呈现的几何特性对人体的下肢关节点进行定位。

行走人体下肢关节定位算法处理的是由摄像机摄入的视频图像序列。

首先经过背景去除，把人体区域从图像中提取出来。

在得到干净的人体区域后，就可以获得人体的高度和宽度参数，以便进一步实现下肢关节点的定位。

经过背景去除和获得高度参数后，就要根据人体行走时所呈现的几何特征进行下肢关节点的定位。

本文首先对侧面行走人体下肢关节点进行了定位。

人在侧面行走时腿部长度是无失真的，因此，根据腿部的长度约束和关节点的运动约束进行了关节点定位。

本文继而对正面行走人体下肢关节点进行了定位，对于正面行走的人体，其腿部长度在二维图像中有时会出现失真，因此，不能简单的根据腿部的长度约束进行定位。

本文针对正面行走人体腿部边缘特性，结合腿部长度约束对膝关节进行了定位，并且根据腿部边缘特点对人体小腿长度进行了调整，运用调整后的小腿长度约束对人体踩关节进行了定位。

在侧面行走人体和正面行走人体下肢关节定位的研究基础上，进一步研究了任意行走姿态下人体髋关节和膝关节的定位。

根据人体行走时腿部的边缘信息用直线拟合的方法，并且结合腿部长度约束进行了膝关节的定位。

论文给出了侧面、正面以及任意行走姿态下人体下肢关节点定位的实验结果。

对于侧面行走人体，本文检验了两种人体模型软件生成的人体行走序列，并且对实际拍摄的侧面人体行走序列也进行了髋关节和膝关节的定位。

对于正面和任意行走姿态下的人体，只检验了由ＰＯＳＥＲ３．０生成的模型序列。

实验结果表明，本文所提出的算法可以对行走人体的下肢关节点进行较为准确的定位，并且算法简单易行，可进行实时检测。

文章最后对该系统的进一步完善和发展指出了方向。

关键词：人体运动下肢关节点定位边缘人体区域人体模型１ＩＡｂｓｔｒａｃｔＨｕｍａｎｍｏｔｉｏｎｔｒａｃｋｉｎｇａｎｄａｎａｌｙｓｉｓｈａｓｂｅｅｎｒｅｃｅｉｖｉｎｇｉｎｃｒｅａｓｉｎｇａｔｔｅｎｔｉｏｎｆｒｏｍｒｅｓｅａｒｃｈｅｒｓｉｎｔｈｅｆｉｅｌｄｓｏｆｉｍａｇｅｐｒｏｃｅｓｓｉｎｇａｎｄｃｏｍｐｕｔｅｒｖｉｓｉｏｎｄｕｒｉｎｇｔｈｅｐａｓｔｆｅｗｙｅａｒｓ．Ｉｔｈａｓａｌｏｔｏｆａｐｐｌｉｃａｔｉｏｎｓｉｎｓｍａｒｔｓｕｒｖｅｉｌｌａｎｃｅｓｙｓｔｅｍ，ｖｉｒｔｕａｌｒｅａｌｉｔｙ，ａｄｖａｎｃｅｄｕｓｅｒｉｎｔｅｒｆａｃｅ，ｍｏｔｉｏｎａｎａｌｙｓｉｓａｎｄｍｏｄｅｌ－ｂａｓｅｄｃｏｄｉｎｇ，ｅｔｃ．Ｇｅｎｅｒａｌｌｙｓｐｅａｋｉｎｇ，ｔｈｅｐｒｏｃｅｄｕｒｅｏｆｔｈｅｈｕｍａｎｍｏｔｉｏｎｔｒａｃｋｉｎｇａｎｄａｎａｌｙｓｉｓｆｒｏｍａｓｅｑｕｅｎｃｅｏｆｉｍａｇｅｓｉｎｖｏｌｖｅｓｔｈｒｅｅｍａｉｎｓｔａｇｅｓ：（１）ｍｏｖｉｎｇｏｂｊｅｃｔｓｓｅｇｍｅｎｔａｔｉｏｎｉｎａｃｏｍｐｌｅｘｓｃｅｎｅ；（２）ｈｕｍａｎｂｏｄｙｓｅｇｍｅｎｔａｔｉｏｎｆｒｏｍｍｏｖｉｎｇｏｂｊｅｃｔｓ；（３）ｈｕｍａｎｍｏｔｉｏｎｔｒａｃｋｉｎｇａｎｄｂｏｄｙｓｔｒｕｃｔｕｒｅｒｅ—ｃｏｎｓｔｒｕｃｔｉｏｎ；（４）ｍｏｔｉｏｎａｎａｌｙｓｉｓａｎｄａｃｔｉｏｎｒｅｃｏｇｎｉｔｉｏｎ．Ａｓｔｈｅｂａｓｅｏｆｔｈｅｈｕｍａｎａｃｔｉｏｎｒｅｃｏｇｎｉｔｉｏｎａｎｄｕｎｄｅｒｓｔａｎｄｉｎｇ，ｈｕｍａｎｍｏｔｉｏｎｔｒａｃｋｉｎｇａｎｄｂｏｄｙｓｔｒｕｃｔｕｒｅｒｅ—ｃｏｎｓｔｒｕｃｔｉｏｎｉｓｔｈｅｋｅｙｏｆｔｈｅｗｈｏｌｅｐｒｏｃｅｄｕｒｅ．Ｔｈｉｓｐａｐｅｒｐｒｏｐｏｓｅｓａｍｅｔｈｏｄｏｆｄｅｔｅｃｔｉｎｇｔｈｅｌｏｗｅｒｌｉｍｂｊｏｉｎｔｓｉｎｈｕｍａｎｗａｌｋｉｎｇａｕｔｏｍａｔｉｃａｌｌｙ，ｗｈｉｃｈｉｓｂａｓｅｄｏｎｔｈｅｇｅｏｍｅｔｒｙｐｒｏｐｅｒｔｉｅｓｏｆｗａｌｋｉｎｇｈｕｍａｎ．Ｔｈｅｉｍａｇｅｓｅｑｕｅｎｃｅｉｓａｃｑｕｉｒｅｄｂｙａｓｉｎｇｌｅｃａｍｅｒａｆｉｒｓｔｌｙ，ａｎｄｔｈｅｈｕｍａｎｒｅｇｉｏｎｉｓｅｘｔｒａｃｔｅｄｆｒｏｍｔｈｅｉｍａｇｅｂｙｔｈｅｂａｃｋｇｒｏｕｎｄｓｕｂｔｒａｃｔｉｏｎ．Ａｆｔｅｒｔｈｅｈｕｍａｎｒｅｇｉｏｎａｎｄｈｅｉｇｈｔａｒｅｏｂｔａｉｎｅｄ，ｗｅｃａｎｆｕｒｔｈｅｒｃｏｍｐｌｅｔｅｔｈｅｌｏｗｅｒｌｉｍｂｊｏｉｎｔｓｄｅｔｅｃｔｉｏｎｏｆｗａｌｋｉｎｇｈｕｍａｎ．’Ａｂｏｖｅａｌｌ，ｔｈｅｌｏｗｅｒｌｉｍｂｄｅｔｅｃｔｉｏｎｉｎｈｕｍａｎｗａｌｋｉｎｇｆｒｏｍｓｉｄｅｖｉｅｗｉｓｆｉｎｉｓｈｅｄｂａｓｅｄｏｎｔｈｅｌｉｍｂｌｅｎｇｔｈｌｉｍｉｔ，ｂｅｃａｕｓｅｔｈｅｌｉｍｂｌｅｎｇｔｈｈａｓｎｏｄｉｓｔｏｒｔｉｏｎｉｎｈｕｍａｎｗａｌｋｉｎｇｆｒｏｍｓｉｄｅｖｉｅｗ．Ｎｅｘｔ，ｗｅｄｅｔｅｃｔｔｈｅｋｎｅｅｊｏｉｎｔｓｆｒｏｍｆｒｏｎｔａｃｃｏｒｄｉｎｇｔｏｔｈｅｅｄｇｅｉｎｆｏｒｍａｔｉｏｎａｎｄｌｉｍｂｌｅｎｇｔｈｌｉｍｉｔ．Ｔｏｗａｒｄｓ血ｅｄｅｔｅｃｔｉｏｎｏｆａｎｋｌｅｊｏｉｎｔｓｆｒｏｍｆｒｏｎｔ，ｗｅａｄｊｕｓｔｔｈｅｌｅｎｇｔｈｏｆｌｏｗｅｒｌｅｇｂｙｅｄｇｅｉｎｆｏｒｍａｔｉｏｎａｎｄｕｓｅｔｈｉｓｎｅｗｌｅｎｇｔｈｔｏｄｅｔｅｃｔｔｈｅａｎｋｌｅｊｏｉｎｔｓ．Ｆｉｎａｌｌｙａｆｕｒｔｈｅｒｒｅｓｅａｒｃｈｏｎｄｅｔｅｃｔｉｏｎｏｆｌｏｗｅｒｌｉｍｂｓｊｏｉｎｔｆｒｏｍａｎｙｖｉ．ｅｗｉｓｃｏｍｐｌｅｔｅｄ，ｗｈｉｃｈｉｓａｃｃｏｒｄｉｎｇｔｏｔｈｅｌｉｎｅａｒｃｕｒｖｅｆｉｔｔｉｎｇｏｆｌｏｗｅｒｌｉｍｂｅｄｇｅａｎｄｌｏｗｅｒｌｉｍｂｌｅｎｇｔｈ．Ｔｈｉｓｐａｐｅｒｇｉｖｅｓｔｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｏｆｌｏｗｅｒｌｉｍｂｊｏｉｎｔｓｄｅｔｅｃｔｉｏｎｆｒｏｍａｎｙｖｉｅｗｓ．Ｔｈｅｉｍａｇｅｓｅｑｕｅｎｃｅｓｉｎｃｌｕｄｅｒｅａｌｓｅｑｕｅｎｃｅｆｒｏｍｓｉｄｅｖｉｅｗａｎｄｍｏｄｅｌｓｅｑｕｅｎｃｅｓｆｒｏｍｓｉｄｅ，ｆｒｏｎｔａｎｄａｎｙｖｉｅｗｓｂｙｈｕｍａｎｍｏｄｅｌｓｏｆｔｗａｒｅ（３ＤＭＡＸａｎｄＰＯＳＥＲ３．Ｏ）．Ｔｈｅｅｘｐｅｒｉｍｅｎｔｒｅｓｕｌｔｓｐｒｏｖｅｔｈａｔｔｈｅｍｅｔｈｏｄｉｎｔｈｉｓｐａｐｅｒｉｓｓｉｍｐｌｅａｎｄｅａｓｙｔｏｃｏｍｐｌｅｔｅ．Ａｔｌａｓｔｔｈｅｆｕｒｔｈｅｒｓｕｇｇｅｓｔｉｏｎｓｆｏｒｔｈｅｉｍｐｒｏｖｅｍｅｎｔ＆ｔｈｅｓｙｓｔｅｍａｒｅｄｉｓｃｕｓｓｅｄ．Ｋｅｙｗｏｒｄｓ：ｈｕｍａｎｍｏｔｉｏｎ，ｌｏｗｅｒｌｉｍｂｓ，ｊｏｉｎｔｄｅｔｅｃｔｉｏｎ，ｅｄｇｅ，ｈｕｍａｎｒｅｇｉｏｎ，ｈｕｍａｎｍｏｄｅｌ独创性说明作者郑重声明：本硕士学位论文是我个人在导师指导下进行的研究工作及取得研究成果。

尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含其他人已经发表或撰写的研究成果，也不包含为获得大连理工大学或其他单位的学位或证书所使用过的材料。

与我一同工作的同志对本研究所做的贡献均已在论文中做了明确的说明并表示了谢意。

≥娶Ｅｔ期：三！竺：ｉ作者签名：大连理工大学学位论文版权使用授权书本学位论文作者及指导教师完全了解“大连理工大学硕士、博士学位论文版权使用规定”，同意大连理工大学保留并向国家有关部门或机构送交学位论文的复印件和电子版，允许论文被查阅和借阅。

本人授权大连理工大学可以将本学位论文的全部或部分内容编入有关数据库进行检索，也可采用影印、缩印或扫描等复制手段保存和汇编学位论文。

保密口，在——年解密后适用本授权书。

本学位论文属于不保密口。

（请在以上方框内打“√”）作者签名Ｉ呈二垒指导导师签名：二麴丝吐年三月丘日、大连理工大学硕士学位论文１综述近些年来，人体运动的跟踪与分析在图像处理与计算机视觉领域中引起许多学者的关注。

人体运动跟踪与分析，就是从图像序列或视频中获取人体的运动信息，并对它们进行分析、识别等工作。

这一课题在虚拟现实（ＶｉｒｔｕａｌＲｅａｌｉｔｙ）、智能监视系统（ＳｍａｒｔＳｕｒｖｅｉｌｌａｎｃｅＳｙｓｔｅｍｓ）、高级用户界面（ＡｄｖａｎｃｅｄＵｓｅｒＩｎｔｅｒｆａｃｅ）、运动分析（ＭｏｔｉｏｎＡｎａｌｙｓｉｓ）、姿态识别（ＲｅｃｏｇｎｉｔｉｏｎｏｆＧｅｓｔｕｒｅ）、基于内容的视频分类ｆＣｏｎｔｅｎｔ。

ｂａｓｅｄＣｌａｓｓｉｆｉｃａｔｉｏｎ）、视频序列压缩（ＶｉｄｅｏＳｅｑｕｅｎｃｅＣｏｍｐｒｅｓｓｉｏｎ）Ｓ１计算机动ｉｉｉｉｉ（ＣｏｍｐｕｔｅｒＡｎｉｍａｔｉｏｎ）等方面都具有广阔的应用前景，所以它正越来越受到研究学者的重视。

人体运动分析通过跟踪和分析人体的运动参数，达到对人体行为的分类和识别，它是人体行为理解的基础。

探索行之有效的跟踪与分析方法，具有重要的实际意义。

人体运动分析方法一般分为两种。

一是在入体的各个关节部位分别加上传感器。

在人体运动过程中，可以通过传感器即时精确地获得人体各部位在各个时刻的运动参数，可根据此参数进行进一步的运动分析过程。

二是利用图像序列对人体运动进行分析。

在这一分析方法中，根据人工干预的程度可分为有标志和无标志两种方法。

有标志的方法是指在人体的关节点处贴上明显的标志物，标注特征点“３，从而进行特征点的跟踪。

无标志的方法是不依赖任何标志物或手工标注，根据图像序列本身的信息进行运动分析与跟踪。

序列可以用单个摄像机进行拍摄，也可以采用多个摄像机同时从多个视角进行拍摄。

比较而言，采用传感器进行人体运动分析的方法尽管简单准确，但是出于加上传感器后人的行动不可避免的受到约束。

通过标志物进行特征点的跟踪过程中附着在人体表面的标志物有时被遮挡或伴随着人体表面的变形，标志点会产生错位，会影晌分析结果的正确性。

因而直接利用图像序列进行人体运动分析的方法更具有实用价值。

１．１人体运动分析的应用与发展人体运动的跟踪与分析是近年来图像处理与计算机视觉领域中备受关注的研究方向，它广泛地应用于智能监控、运动分析与医疗诊断、高级人机交互、视频检索、虚拟现实等领域。

Ｇａｖｒｉｌａ。

１总结了它的一些应用领域，现将进～步介绍：（１）智能监控随羞技术的进步，硬件成本的下降，摄像桃的价格越来越便宜，智能视频监控ｌ人体下肢运动分析系统“。