● 摘要
随着互联网技术的发展和拍摄设备的普及，产生了大量的图片和视频，其中包含 丰富的人体姿态信息。利用人体姿态估计技术挖据并分析其中的人体姿态信息，具有 很广阔的应用前景，特别是在智能监控、人机交互、行为分析领域应用潜力巨大。但 由于人体姿态表观特征变化及其他外界干扰因素的影响，使人体姿态估计技术面临了 很多困难，如拍摄角度引起的人体缩放、人体的肢体旋转和表观变化、不同拍摄距离 引起的人体尺度变化、周边环境引起背景干扰和姿态遮挡问题等。论文将从人体姿态 特征表示和人体姿态模型推理两个方面对单帧图片和多帧图片的人体姿态估计方法进行优化。论文的主要研究内容如下：
1、从研究背景、研究内容、研究团队、人体姿态估计数据集、经典人体姿态估计方法等方面概述人体姿态估计技术。
2、提出了一种将平行线和方向梯度直方图特征结合的人体姿态识别方法。平行线特 征可以看作从整体角度对可能的人体姿态进行粗选择，而方向梯度直方图特征则 是从局部范围对“粗选”的人体姿态进行局部特征描述，再利用支持向量机进行 人体姿态的分类处理，最终得到各身体部位的姿态候选。将融合后的特征在增强 人体姿态概率模型进行实验论证，测试结果表明融合后的特征不仅计算简单高 效，而且对人体姿态具有很好的特征表示能力；增强的人体姿态概率模型通过引 入新的虚拟节点来描述人体姿态的对称信息，提高了人体姿态估计的准确性。
3、合理利用相邻帧间的时序信息，改进连续帧图片的人体姿态估计推理方法，提高 了连续帧图片的人体姿态准确性。首先对单帧图片分别进行人体姿态估计，得到 候选姿态；再对候选姿态进行空间和时间上的权重聚类；最后根据贝叶斯理论对 聚类结果进行帧间的姿态信息传播，并通过迭代处理得到每帧图片优化识别结果。这种对姿态聚类后传播的方法提高了连续帧图片的人体姿态识别准确性。