人体特征（精选6篇）
人体特征 篇1
1. 引言
视觉人体运动分析[1]是视频监控中的研究重点,它从包含人体的图像序列中检测、识别、跟踪人体以获取人体的运动参数,并根据运动参数对人的行为进行理解和描述。
在人体检测技术的部分应用领域中,由于图像采集设备的安装位置受到限制或为了尽可能避免人体间的相互遮挡等原因,只能获取检测区域的俯视图像。在俯视图像中人体头部通常体现的较为完整[5],因而头部的俯视信息(如头部轮廓,颜色分布等)可以作为人体目标检测的依据。
依据选取的头部特征和采用的特征检测方法不同,基于头部特征提取的人头检测方法可以分为模板匹配法[2],全局特征空间提取法[3],外观分类法[4]。
本文通过提取俯视图中人体头部区域特征进行人体检测。由于人体头部区域的类圆形特征,我们用圆形模型检测人头时,广泛使用灰度信息,它对尺度变化有较强的鲁棒性,对光照很敏感。为了克服这个问题,本文采用对光照变化有较强鲁棒性的灰度梯度[6]来检测人头。
2. 基于头部特征的人体检测
本文采用对光照变化有较强鲁棒性的灰度梯度特征来检测人头;由图2-1可以得到如下信息:
在人头圆形区域周围,有着非常明显的灰度梯度变化。
人头圆形区域内部,有着连续的灰度变化。
因此我们用不同的两种方式评测圆形的性能。一种方式利用圆周区域明显的灰度梯度变化。另外一种方式利用从圆周连接处到圆形内部灰度的变化。为了更好地评测给定圆形的性能,如图2-2所示,设C()表示以()为圆心,r为半径的圆(黑色),O()表示以()为圆心,为半径的圆(紫色),I()表示以()为圆心,为半径的圆(绿色);以圆心为端点,与水平轴成角的射线l与三个圆交点的坐标依次为:
其中,N为圆的离散点数;则,其中。于是我们给出公式如下:
其中p是代表黑色圆形的参数向量,c为无量纲的常量[7],并且有
式(2-2)表示圆形人头区域周围灰度梯度的变化,式(2-3)表示人头区域内部灰度的变化。当式(2-1)的值小于给定的阈值时,认为该圆形是匹配人头区域的边缘,即检测到人头。
3. 算法描述
我们给出基于头部特征的人体检测算法的描述。采用每隔N(N=4,8,16,32)个像素计算一次。为了提高检测精度,采用两层扫描,对于弱条件匹配的圆形区域,对其周围的点进行强匹配扫描,找到满足强匹配条件的圆形区域才是真正的人头。算法描述如下:
Step 1:获得一幅图像。
Step 2:由上而下,从左到右的顺序,每隔N个像素扫描图像,搜索匹配人体头部区域。
2.1:(弱条件匹配)随机抽样位置参数,假设{pi}为抽样集合。
2.2:由式2-5评估集合{pi}中的每个元素,得到集合{pi*}。该集合中的元素通过计算后,得到的值小于给定的阈值(弱条件匹配)。
2.3:(强条件匹配)在集合{pi*}每个元素的周围详细抽样位置参数,找到满足强条件匹配的集合{pbest}。
4. 实验结果
我们采用Intel OpenCV Library(open computer vision library)在VC++6.0中实现基于头部特征的人头检测。我们截取某些帧如图4-1所示,统计人头检测值和实际值之间的误差,如表4-1所示:
上表中x坐标,y坐标和半径的单位均为pixel。由上表可知检测值和真实值x和y方向的误差绝对值不超过3个pixel,半径误差不超过2个pixel。
4. 结论
本文通过提取人体头部轮廓的特征(类圆形特征和灰度梯度特征),进行人体检测。精确的实验表明了该算法在人体头部检测方面有较高的准确性。但存在一定的误检,通过改进可于智能视频监控系统,这是本文今后的研究重点。
摘要：视觉监控是计算机视觉领域中近年来备受关注的前沿研究方向,视觉人体运动分析是视频监控中的研究重点。通过提取俯视图中人体头部区域特征,进行人体检测。由于人体头部区域的类圆形特征,一种圆形人体头部模型被提出,如何检测到合适的圆是人体检测的关键问题。本文采用对光照变化有较强鲁棒性的灰度梯度特征来检测人头。精确的实验表明了该算法在人体头部检测方面有较高的准确性和稳定性。
关键词：视觉监控,人体检测,圆形特征,灰度梯度
参考文献
[1]王亮,胡卫明.人运动的视觉分析综述[J].计算机学报,2002,25(3).
[2]李娜,方卫宁.基于视频流的地铁人群目标识别[J].北方交通大学学报,2006,30(1):96-99.
[3]汪亚明.基于动态图像序列的自动扶梯客流量的测量[J].华北工学院测试技术学报,2002,16(1),14-16.
[4]李和恒,张星明.基于小波神经网络的头部检测技术[J].计算机工程与应用,2003,39(4):86-88.
[5]于海滨,刘济林.基于头部特征提取的人体检测与跟踪及其应用[J].浙江大学博士论文,2007.
[6]Akihiro Sugimoto*,Mitsuhiro Kimura+,Takashi Matsuyama+.Detecting human heads with their orientations.Electronic Letters on Computer Vision and Image Analysis5(3):133-147,2005.
[7]S.Birchf ield.Elliptical Head Tracking Using Intensity Gradients and Color Histograms,Proc.of CVPR,pp.232-237,1998.
人体特征 篇2
摘要：针对传统人体动作识别算法，往往重点解决某一类行为识别，不具有通用性的问题，提出一种局部证据RBF人体行为高层特征自相似融合识别算法。首先，借用随时间变化的广义自相似性概念，利用时空兴趣点光流场局部特征提取方法，构建基于自相似矩阵的人体行为局部特征描述；其次，在使用SVM算法进行独立个体行为识别后，利用所提出的证据理论RBF（Radial Basis Function）高层特征融合，实现分类结构优化，从而提高分类准确度；仿真实验表明，所提方案能够明显提高人体行为识别算法效率和识别准确率。
关键词：局部特征描述；证据理论；RBF网络；自相似；高层特征融合
中图分类号：TP39文献标识码：A
1概述
近年来，人体行为识别已得到广泛应用，特别是在医疗诊断、视觉监控等领域[1]。该算法主要涉及到人体运动检测/估计，身体和手脚跟踪以及行为理解等三个方面，本文研究重点研究人体行为活动的识别和描述 [2]。识别过程为：传感器信息获取、特征描述、行为识别三个过程。
在普适计算应用方面，常用方法有三种：一是外部传感器，如文献[3]接触式红外压力式传感器组合；二是可穿戴传感器，如文献[4]基于穿戴RFID对人体行为进行捕获判定；三是环境监测传感器，主要有温度、湿度及光照传感器等，通常作为补充[5]。外部传感器使用方便，辐射小，应用最为广泛。
在人体特征表示上通常分为：全局和局部特征两种。在全局特征描述中，对整个视频上对人体行为进行特征提取，然后进行相似性识别。如文献[6]改进方向全局人体行为特征描述，可对形状相近的人体行为进行有效识别。在局部特征描述中，方法是在视频序列中，提取人体行为的局部特征，利用直方图或者时序模型构建人体行为特征，如文献[7]三维梯度直方图人体行为局部特征描述。相对于全局特征描述，局部特征描述优点在于能够更为有效地对时域和空域信息进行融合。
在完成局部的人体行为特征描述后，进行的人体行为识别，常用的方法有距离匹配和状态空间法。状态空间法对人体行为进行直接建模，能够对人体行为时序信息进行充分利用，不足之处是算法的控制参数较多。而距离匹配虽简单，但未考虑人体行为动态过程，因此算法的识别率相对较低[8]。
综合上述分析，本文构建自相似矩阵人体行为局部特征描述，并设计证据理论RBF高层特征融合算法，实现人体行为识别分类结构优化。
4实验与分析
本节实验基于KTH数据库及较复杂的多视角MuHAViMAS14数据库进行实验。硬件条件：CPU：I5-4590，3.3GHz；内存：金士顿ddr3 1600，4GHz。
对比算法：文献[11]局部SVM算法（LSVM），文献[12]动态贝叶斯算法（DBN），文献[13]单纯时空兴趣点特征提取SVM算法（STIPSVM）。
仿真指标选取平均预测精度mAP，可定义如下：
AP=Numar/Numtar·Numtra （19）
式中，Numar为获取数量；Numtar为行为总数；Numtra为人体行动总数。
KTH数据库：该数据库有6种人体行为：行走、慢跑、快跑、拳击、摆手、拍手，如图5所示。KTH数据库含有2391幅不同人体行为图像。
每种人体动作行为各选取该动作行为图像总数量的1/4作为训练数据集。算法各运行30次，上述6种人体行为的平均预测精度mAP值见表1所示。
从表1中可看出，上述算法均能对KTH数据库进行较有效识别，平均识别精度在70%以上。其中对比算法在行走、慢跑、快跑三种行为的识别率偏低，原因是这三种人体行为存在边界交叉，因此三种算法在对其进行识别时，识别率偏低，平均在71%～77%之间。而在区别较大的拳击、摆手、拍手三种行为中，这三种算法识别率能达到82%～89%间。本文所提算法识别率均明显好于对比算法，能达到90%～96%之间，显示了算法良好识别能力。为更清晰对比，平均预测精度和运行时间曲线如图6所示。采用本文算法获得的混淆矩阵如图7所示。
从图6可看出，在预测精度上，本文算法要始终高于对比算法，保持在90%以上，而对比算法识别率互有高低，保持在70%～90%之间；在算法运行时间上，本文算法的运行时间最短，保持在7s～9s之间，其次是DBN算法，运行时间在10s～11.5s之间，其余两种算法因用到SVM算法，运行时间相近，保持在14s～18s间。从图7混淆矩阵可看出，本文算法除在个别行为间达到15%混淆概率外，其他行为间的混淆比例很低，说明识别效果很好。
MuHAViMAS14数据库：该数据库作为较复杂测试对象，来进一步验证本文算法的性能有效性。该数据库中一共含有14种人体行为，分别进行编码{a，b，c，d，e，f，g，h，i，j，k，l，m，n}。该数据库示例图片如图8所示。该数据库由两个人在两个视角下完成，视角分别为：正面和45度角。这两个视角下各有68个视频，包含角度和动作的变化，识别难度大。对比算法同上，仿真指标选取上述14种人体行为识别率均值（运行30次），计算方法参见公式（19）。对比结果如表2所示，表2同时给出算法30次运行时间均值。图9给出算法混淆矩阵。
表2给出对比算法在MuHAViMAS14数据库中14种人体行为的平均识别率结果，从图中可明显看出，本文算法在更为复杂的数据库上的识别率虽有所降低，但仍然保持在80%以上识别率，而对比算法的识别率均出现大幅降低，仅能保证60%多的识别率。在算法运行时间方面，本文算法的运行时间需要17.3s比KTH数据库要长1倍左右，而对比算法的运行时间均在30s左右。
图9给出本文算法在MuHAViMAS14数据库中获取的混淆矩阵，从该矩阵中可看出，在个别行为之间存在较大混淆概率，比如在人体行为f与人体行为h之间存在25%的混淆概率，在g与h之间也存在25%的混淆概率等，比在KTH数据库上的混淆概率要高很多。
5结束语
针对传统人体动作识别算法识别率不高的问题，提出一种局部证据RBF人体行为高层特征自相似融合识别算法，进行有效解决，实验结果显示，本文算法在识别率和收敛速度上均要好于对比算法。存在的不足是，在复杂的多视角MuHAVi-MAS14数据库上个别人体行为间的混淆概率值依然较高，仍然存在较大的提升空间。
参考文献
[1]MEDINA J R， LORENZ T， HIRCHE S. Synthesizing Anticipatory Haptic Assistance Considering Human Behavior Uncertainty[J]. IEEE Transactions on Robotics， 2015， 31（1）： 180-190.
[2]田国会， 尹建芹， 韩 旭. 一种基于关节点信息的人体行为识别新方法[J]. 机器人， 2014， 36（3）： 285-291.
[3]Gu Tao，Wang Liang，Wu Zhanqing. A pattern mining approach to sensor—based human activity recognition[J].IEEE Transactions on Knowledge and Data Engineering， 2013， 23（9）： 1359-1372.
[4]STIKIC M， HUYNH T， LAERHOVEN K V.ADL recognition based on the combination of RFID and aceelerometer sensing[C]. //Proceedings of the International Conference of Pervasive Computing Technologies for Heahhcare， Tampere， Finland， 2008， pp. 245-250.
[5]PHILIPOSE M， FISHKIN K P， PERKOWITZ M. Inferring activities from interactions with objects[J]. IEEE Pervasive Computing， 2004， 3（4）： 50-57.
[6]CAI J X， FENG G C， TANG X. Human action recognition using oriented holistic feature[C]. // 20th IEEE International Conference on Image Processing， USA， IEEE， 2013， pp. 2420-2424.
[7]ALEXANDER K，MARCIN M， CORDELIA S. A spatiotemporal descriptor based on 3dgradients[C]. //British Machine Vision Conference， IEEE Computer Society， 2008， 995-1004.
[8]蔡加欣， 冯国灿， 汤鑫. 基于局部轮廓和随机森林的人体行为识别[J]. 光学学报， 2014， 34（10）： 1-10.
[9]JUNEJO I N， DEXTER E， Laptev I. Crossview action recognition from temporal self similarities[J]. //Proceedings of the European conference on computer vision， USA， IEEE， 2008， pp. 293-306.
[10]BARRI A， DOOMS A， JANSEN B. A Locally Adaptive System for the Fusion of Objective Quality Measures[J]. IEEE Transactions on Image Processing， 2014， 23（6）： 2446-2458.
[11]SCHULDT C， LAPTEV I， CAPUTO B. Recognizing human actions： a local SVM approach[C]. //Proceedings of the international conference on pattern recognition， USA， IEEE， 2004：32-36.
[12]NIEBLES J C， WANG H， LI F F. Unsupervised learning of human action categories using spatial-temporal words[C]. //British machine vision conference， Copper Mountain， IEEE，2006：22-28.
英语人体动词隐喻化认知特征分析 篇3
目前有关人体动词的研究主要是从语法功能、句法功能以及语用角度进行的探讨。而人体动作词在本质上是人类感知、认识世界, 通过对听、看、行、触摸到的外在现实加以概念化, 并将其编码的结果。所以, 语言学家也开始强调以人类的基本认知能力为基础, 通过人类在与外在现实相互作用过程中形成的认知结构来分析、解释人体动词。本文所讲的人体动词隐喻化则是从认知的角度去研究人体动词。隐喻在西方认知语言学理论里不单是一种修辞手法, 更是人类对外部世界逐渐认识的一种重要手段, 是人类最基本、最原始的一种思维方式, 属于认知的范畴, 包括明喻、拟人、借代、转喻等。隐喻的实质就是通过另一类事物来理解和经历某一类事物。认知语言学理论将隐喻分为结构隐喻、方位隐喻和本体隐喻三种。在人体动作隐喻化的过程中, 结构隐喻、方位隐喻和本体隐喻都不同程度地体现出来。本文拟从结构隐喻、方位隐喻、本体隐喻在人体动词隐喻化中的体现来探讨人体动词隐喻化认知特征。
一、结构隐喻在人体动词隐喻化中的体现
结构隐喻是用已知的概念来构造未知的新概念, 即新概念的构成基于已知概念。结构隐喻的本质就是概念化的过程, 隐喻的产生基于人们的身体经验和日常知识。根据认知规律, 人类认知世界的过程就是自身与周围环境相互作用的过程, 是一个由近及远、由已知到未知的过程。所以人类总是习惯用已知的概念来表述未知的外部事物。人体动作域是人们头脑中已经存在的已知概念, 其隐喻化过程, 即人体动作域被投射到其他具体的或抽象的非人体动作域上, 对人类认知世界起着举足轻重的作用。在探讨人体动词隐喻化认知特征时, 为了更好地阐述人体动作域向其他非人体动作域的投射, 以下分别从人体动作域投射到抽象域和具体域两方面进行探讨, 并引入一个概念, 即隐喻映射。隐喻映射是处于源域的实体和处于目标域的实体之间的一系列对应以及二者各自附带特征之间的对应。
1. 人体动作域投射到抽象域
抽象概念是“具体概念”的对称。传统逻辑指反映事物的某种属性或事物与事物之间的某种关系的概念。如“正确”、“善良”、“大于”、“相等”等。一般而言, 是难以描述的无形概念。所以, 为了更容易地认知这些抽象概念, 按照认知规律, 人们总是试图通过自身的已知经验来描述、构建这些抽象概念, 即我们上文所说的隐喻映射。首先, 我们对人体动作域投射到抽象概念“时间”作如下探究。 (1) Thefirecrackers is a sign that the New Year has arrived (=begun) .在例句 (1) 中, 借助人体自身动作词arrive去描述begin (开始) 这一瞬间即逝、难以描述的时间概念, 使得时间这个抽象概念更加形象化。除此之外, 其他人类动作如sit, stand等也被用来表达时间概念: (2) The portrait was completed after only three sittings (=time used by a model being painted) .人体动作域不仅投射到时间这种抽象概念上, 还投射到感情、事件、意见等其他抽象概念上: (3) People has the smell of decay about the nation-she can't last a few days. (4) The danger of hunger stands (=exist unchanged) .从例句 (3) 、 (4) 体现出了人体动作smell, stand向腐烂、危险等抽象域里的投射。
2. 人体动作域向具体域投射
人体动作域向具体域的结构性映射, 以两种概念之间的简单、直接相似性隐喻为基础, 这种认知方式是比较低级的认知活动形式, 但却是人类对外部世界认知发展过程中比较基本的认知方式。这种结构性映射形式在汉英语言中都有广泛应用, 由此说明早期人类在形成和表述概念过程中对自身的很大依赖性。一些常见的隐喻, 经过人们反复的联想和使用, 有的已作为固定义项收入词典之中, 有的已成为约定俗成的意义。这种不同范畴的事物相关联的方式, 不仅丰富了语言, 而且也是简化语言的手段。下面的例子阐述了人体动作域是如何向具体域投射的。 (1) The golden sun touched the forest with red.Touch是人体动作词, 指人体手的一种动作, 表现为整只手迅速地、轻轻地放在某物体上又即刻刻拿开。在例句 (1) 中, “金色的太阳把森林变成红色”这一场景, 用人体动作词touch将这种动作场景表述得淋漓尽致。touch这个人体动作词可以帮助读者更形象地感受太阳那种快速的、轻轻的、温柔的动作。在例句 (1) 中, 源域是人体动作touch, 目标域是golden sun, 在以下例子中, 充当目标域的是物体和事情。具体域不像抽象域那样难以描述, 但为了更加清楚形象地表现这些事物的特征, 使人更容易明白, 人们还是倾向于基于人类自身的经验, 用人体动作词来表述这些具体事物。 (2) The taxi meets every train. (3) The cake I had for supper is sit-ting heavily on my stomach.例句 (2) 指每次火车到站时, 这辆出租车就像一个人在火车站迎接远方的客人一样, 都会出现在火车站。这里“人们相互见面”就是源域, 这一动作意象被投射到目标域“出租车接客”上。人体动作词meet, 将出租车接客的场景刻画得更生动具体。在例句 (4) 中, sit这个词使我们脑海里浮现这样的场景:食物塞满了胃, 一层一层堆积起来难以挪动, 就像一个很笨重的人沉沉地坐在椅子上动弹不得一样。
二、方位隐喻在人体动词隐喻化中的体现
人体动作域投射到非人体动作域有助于人类更好地理解未知事物, 使人类表达未知的概念和经验更直观简单。同样, 非人体动作域投射到人体动作域也可以帮助人们提高认识世界的能力。下文将从方位隐喻的角度去阐述非人体动作域向人体动作域的投射。在认知语言学中, 有理论认为空间隐喻在所有隐喻中是对人类的概念形成与表达具有最重要意义的一种隐喻, 大多数抽象概念是基于空间隐喻得以理解与表达的。例如, up这一词与人体动作词联系起来一般都表达积极方面, 而down恰好相反, 表示消极意义, 这种对比在以下两个例句中都得到很好的体现: (1) The news that her son get the first prize made her sit up. (2) Jim has made u his mind to stand down after ten years as the CEO of this company.在例句 (1) 中, up一词将“她”听到该消息的惊讶描述的淋漓尽致, 以至于坐得僵直, 不由自主要站起来, 强调了动作的突然。所以, up一词在这里不仅是一种物理上的垂直运动, 更体现了“她”对该消息的难以预料以及感情上的突然变化。方位词down在例句 (2) 中, 指人由某一较高职位下降到某一较低职位。该词与人体动作词stand相结合就形成了另外的经验意象, 在例句 (2) 中表示“放弃官位”。
三、本体隐喻在人体动词隐喻化中的体现
人类的概念系统在很大程度上是建立在本体隐喻基础之上。英语中隐喻的本体就是人本身, 同时又是容器和其他有形的物体。英语中本体隐喻是复杂的认知机制在语言中的一种反映。本体隐喻可以使抽象的东西具体化, 其依赖的基础就是人类身体。在人类隐喻思维模式中, 本体隐喻是把行为、情绪、思维和事件等当做是人类身体的一部分。在万千世界中, 人体本身就是一个独立存在物体, 有范围、有能量, 所以我们可以假设人自身就是一个容器, 这个容器可以和人体动作域结合, 帮助我们更好地理解客观世界。我们看一下下面句子中, 人们是如何通过容器向人体动作域投射, 以更好地表达抽象域的:Finally, he talked me into buying a new cellphone.在该例子中我们可以把“买新手机”看成是容器, 人们可以从这个容器中进出。人们将该容器与人体动作域巧妙地结合起来, 将我买新手机的犹豫心情恰到好处地表达了出来。由此可见, 事件、时间、身体、活动等经常被看作是容器, 借助于人体动作隐喻可以表达更加丰富的意象。
人类的认知规律———由简单到复杂, 由抽象到具体, 决定了在人类认知过程中人体动作词起了很重要的作用。隐喻不仅是传统上的修辞手段, 而且涉及到具体物质和抽象概念域的方方面面, 是人类认知世界的一种手段, 是人们形成和表达概念的基本方式之一, 对于人类的认知和思维都具有重要的普遍意义, 在人类认知过程中也起到了重要的作用。由此不难看出, 人体动作词和隐喻的结合就成为人类形成和表达新概念的重要手段。所以, 结构隐喻、空间隐喻和本体隐喻都不同程度地反映在人体动作的隐喻化过程中, 是人体动作词喻化最大的特点。
参考文献
[1]沈家煊.“语法化”研究综观.外语教学与研究, 1994 (4) .
[2]蓝纯.认知语言学与隐喻研究.北京:外语教学与研究出版社, 2005.
[3]赵艳芳.认知语言学概论.上海:上海外语教育出版社, 2001.
[4]胡壮麟.认知隐喻学.北京:北京大学出版社, 2004.
人体特征 篇4
关键词：特征点,曲面,存储
三维人体模型在传统工业、游戏、服装设计、军事等领域有极其广泛的应用, 建立人体的计算机虚拟仿真模型, 是解决很多后续问题的基础。目前主要有两种方法:一是利用通用建模软件如Maya, 3Dmax, Poser等绘制人体的三维模型, 这种模型的数字化和通用性较好, 但不适合千变万化的现实人体;二是利用三维扫描仪获得真实人体表而的几何数据, 将这些数据重建得到人体模型。但是这种方法所获得的真实人体表面几何数据往往非常庞大, 后期处理非常复杂, 日前仍没有找到一种高效、简洁的方法, 耗时耗力。如何通过这些离散的数据去建立人体模型, 需要较好的数据结构存储, 并能通过这些数据去建立不同系列的人体模型。
根据人体工程学的相关理论, 人体模型特别是动态模型是由骨骼和皮肤共同协作完成的, 因此根据人体体块、骨骼、皮肤的运动特征, 可将人体模型分为不同的曲面群。
利用特征识别技术得到人体特征点、特征线与特征面, 特征点线面元素既可以作为人体参数化造型与变形的依据, 也作为服装造型的依据。本文利用曲面重建的思想, 将人体模型扫描数据作为前端输入, 经过一系列处理, 将人体分为以多个特征点所构建的曲面群, 这些曲面群以邻接链表的方式进行存储, 最终通过图像拼接得到具有光顺表面的参数化人体曲面模型。
1 人体特征点及曲面的划分
人体特征信息包括特征点、特征线、特征面。这些特征信息是根据人体测量学定义的。下面给出人体特征的一些定义。
特征点用于标识测量位置的界点, 也称为测点, 如喉结节点、肩峰点等。
特征线用于标识测量截面的位置, 如腰部特征线、胸部截面线等。
特征面用于标识人体表面的曲面特征, 如女性乳房特征面、臀部特征面。
以上三种特征信息是按照点、线、面层次逐步精细表达人体模型, 可以针对不同的问题选择不同的特征信息表达人体。人体特征识别就是要从点云数据中提取这三种特征信息。人体特征点获取有手工指定或自动提取两种方法。人工指定能处理复杂情况, 但操作较麻烦, 且不能批量处理。自动提取则能批量地、快速地、精确地得到特征点信息, 但是只能处理较规则的人体, 因此可以结合两种方法提取特征。在特征点信息提取完成以后, 特征线根据特征点利用曲面切割获取人体截面线的方法得到。特征面信息则需依据人体扫描点云数据利用曲面重建或者拟合技术得到。
2 特征点的选取及曲面的数据存储
2.1 特征点提取
通常1个人体扫描数据的文件在几十T级左右。因此在建立人体前。需要对原始扫描数据进行压缩处理。关键点提取的数量过多。虽然能较准确地描述曲线形状。但在构造人体曲面以及人体模型旋转时处理速度较慢;关键点提取数量过少则会导致构造的人体曲面不够光滑。人体模型失真严重。
西服在制作上严谨合体, 衣片分割特征点数目不多且拓扑固定, 为了控制服装模型的拓扑, 我们选择它作为代表性的服装, 采用预先设定法, 预先在程序中设定特征点之间的连接关系, 从而直接得到服装粗网格模型, 特征点的连接拓扑示意图如图2所示。
当然仅通过特征点尚不能准确描述服装人体曲面的特征, 因此还需确定一些中间插入点, 我们把这些点与特征点一起称为关键点, 逆向工程CAD中有很多关键点提取方法。常见的有:利用专业的逆向软件来处理、基于迭代法、利用取样法、弦差分法、包围盒法等, 我们可根据模型精度要求, 确定不同的点距, 从而提取出前后片所有高度层上重构人体所需的关键点。
2.2 扫描数据在不同阶段的两种存储方式
根据特征点进行曲面划分后, 首先需对人体三维扫描数据点云进行存储, 在进行后续的三维曲面映射和变形时还需对相关数据存储重新组织, 以便变形或放码需要。
初始扫描后, 为了方便使用数据。首先将数据文件进行格式化处理。建立一种数据结构存储原始数据。由于人体各部分的横截面大小不同。因此每个高度而上扫描数据的的个数亦不相同。而且随着人体身高的不同。高度层数也不定。所以可以将原始数据的存储采用基于矩阵的链表来完成。数据结构如图1所示。其中横、纵2个方向上都是链表。纵向为高度索引项。用来存储高度信息和横向链表的头。横向链表是1个循环链表。用来存储该高度层上所有点的二维坐标。
用该方法处理数据可有效提高速度, 完整地保存了人体变化量大的数据, 最大限度的符合人体特征。当然使用关键点处理扫描数据, 遇到变化量小的一片数据时 (身体曲线变化较小) , 都会删除这些数据, 会导致较严重失真, 所以需要限制2个关键点之间删除数据的最多个数, 这样既可以删除大量不重要扫描点, 又能保证最终构造曲面的光滑度。
为了使今后的服装结构曲面较好的实现定位, 在此我们采用邻接多重表与矩阵接合的数据结构来生成人体模型, 这种表示方法不需要占据较大的存储空间, 能较好的表达边界的几何信息和拓扑信息, 加快了多面体的生成, 方便了随后的曲面定位, 有利于曲面展开后的修改。
在随后的变形和放码阶段, 我们还需对数据的存储方式进行变更, 特别是在现在流行的基于弹簧质子模型中, 基于特征点的影响, 如BP点的胸部变形, 其它点受影响的程度会根据其坐标变化而有所不同, 此时, 我们认为采用邻接多重表与矩阵接合的方式来重新组织数据。
根据人体模型的数据, 即人体尺寸和关键点的三维坐标, 以及相互的拓扑关系, 得到有关的4×4阶矩阵, 从而推导出表示服装衣片的双三次Bezier曲面。
双三次Bezier曲面为:
其中G为构成Bezier曲面的16个顶点组成的4×4阶矩阵
U, V为系数矩阵, MBEZ为三次Bezier曲线的基矩阵。
3 结语
利用特征识别技术得到人体特征点、特征线与特征面, 特征点线面元素既可以作为人体参数化造型与变形的依据, 也作为服装造型的依据。利用曲面重建技术, 将人体曲面分片构建, 当然通过有效的数据存储结构, 极大限度的减少了数据处理量, 从而得到既具有尺寸信息, 又具有特征信息的人体模型, 为服装设计和相关领域的软件开发解决了瓶颈。
参考文献
[1]陈龙.三维服装柔性参数化设计方法及技术术研究[D].浙江大学博士论文, 2008.
[2]Nienhuys H.W., Frank A., Stappen V.D..A Delaunay approach to in-teractive cutting in triangulated surfaces[OL].Institute of Information and Com-puting Sciences, Utrecht University Technical Report UU-CS-2002-044, www.cs.uu.nl.
[3]Okabe H., Imaoka H., Tomiha T., et al.Three dimensional apparel CAD system[J].Computer Graphics, 1992, 26 (2) :105～110.
人体特征 篇5
1 当前人体生物特征信息隐藏和身份认证的发展状况
计算机技术的高速发展使得用户信息的安全受到很大威胁,常规的密保技术为密码技术,即将信息加密成密文,通过私钥系统(如DES、AES)和公钥系统(如RSA、ElGamal、ECC)来控制文件的读取,非授权用户没有权限读取文件。但伴随计算机的技术的发展,单纯通过增加密钥长度来确保系统安全性的方式越来越不可靠,即基于密码技术的信息系统危险性在不断增大,而且网路中出现大量数字作品(如图书、数字图像、音 / 视频),其具有易于获取、传播迅速块等特点,虽丰富了人们的精神文化生活,但是也给不良者提供便利,通过非法复制或篡改来获取利益,给所有者以及合法者造成利益损失,当前通过载体数据中存在的冗余信息来隐藏秘密信息,以确保信息的安全,并且建立了人体生物特征信息的身份认证技术构建成新的密匙保护系统。
1.1传统信息保护系统的弊端
传统的用户身份认证系统主要为以下两种:第一种是基于用户标示物的身份认证系统,即通过对能够代表用户身份的持有物进行的身份认证方式,例如用户的身份证、银行卡、护照等个人身份证明物件;第二:基于用户特定密语的身份认证技术,即在用户标示物认证技术之基础之上,用户还设定了特定密语,以双验证因子来增强身份认证系统的安全性,特定密语可为密码、卡号、暗语等等,这一种双因子身份认证方式,如银行的ATM机系统,但是这一种形式的身份认证技术的弊端有:标示物易伪造,容易受到假冒攻击,长密码难记、短密码容易遭攻击等等问题,以导致用户个人信息存在着泄露的危险。
1.2人体生物特征信息的发展
传统身份认证方式的安全弊端在于身份认证系统的标示物易伪造,为解决身份认证系统存在的弊端,提出了基于人体生物特征信息的身份认证技术方案,通过对人体本身所拥有的生物特征(如DNA、指纹、虹膜、人脸、手指静脉、视网膜、掌纹、耳廓、手形等特征信息)识别因素的深入研究,将人体生物特征(biometrics)作为身份认证系统的标示物,因其难伪造性大大提升了认证系统的安全性,其相较于传统身份认证系统,克服了传统身份认证技术所存在安全不断,有效地提升了认证系统安全性,在当前主要是用于重要信息的保护,当前应用前景较好为基于指纹的远程身份认证与密匙技术和基于人脸图像与虹膜特征的身份认证技术:
基于指纹的远程身份认证与密匙技术是通过将现有的指纹识别技术与密码技术相结合使用的身份认证技术,系统首先对用户指纹进行识别,认证后通过密匙获取控制权限,通过密码协议实现远程身份认证,克服了单一用户指纹特征信息身份认证的安全风险,同时为加强对用户指纹数据的隐私性保护,用户指纹以密匙加密的方式传输,解决了指纹泄露的风险性,提升了整个认证系统的的安全性和隐私性。
基于人脸图像与虹膜特征的身份认证技术是通过对人脸图像以及不可见虹膜的识别,是一种双重生物特征的身份认证技术,通过以人脸图像作为明显的标志表示数字文件的所有者身份,以虹膜为不可见标志作为对数字文件的保护表示,确保数字文件的版权保护,有效地遏制非法复制和篡改。
2 人体身份生物特征信息认证技术的发展
2.1 基于指纹的远程身份认证与密匙的智能卡技术
基于指纹的远程身份认证与密匙技术的双因子验证系统虽有效的增强了认证系统的安全性,但是在远程服务器身份认证中因网络安全仍旧存在着风险性,
图1为基于指纹的远程身份认证与密匙的智能卡远程认证系统的安全机理,为提高远程身份认证的安全性,部分专家提出了基于“智能卡 + 用户口令”的双因子远程身份认证方案,智能卡可独立运行密码运算,用于实现用户与远程认证系统之间的交互认证,而基于“智能卡 + 用户口令”的人体生物特征信息的身份认证系统,进一步提升了身份认证系统的安全性,所以这种双因子的远程身份认证被广泛使用,通过在智能卡中增加生物特征信息,以确保智能卡认证的安全,非用户本人是无法使用的智能卡,之后再结合用户口令,大大提高了系统的安全性。
这种双因子认证系统的核心为生物特征识别技术,将用户个人的生物特征作为身份鉴别的标识,通过将用户的指纹特征模板以及远程认证的秘密信息写入到智能卡中,在对智能卡应用生物特征识别技术进行加密,在远程登录时,用户现将智能卡插入远程登录专用智能卡读卡器中,在通过指纹录入用户个人的指纹特征信息,在将用户输入指纹与智能卡存储的指纹对比,若指纹相同,通过用户继续输入口令完成之后的认证步骤与远程服务器建立连接,此认证技术的优势在于:用户无需口令表、融合了指纹识别技术来实现用户自认证、远程认证服务器的通过双密钥加密进一步提高了认证系统的安全性,其解决了用户口令更改麻烦。以受到假冒攻击等问题,虽然这种远程认证技术能够有效的提高认证系统的安全性,但是容易遭受内部特权人员的攻击,所以结合密码技术的指纹和智能卡口令远程身份认证技术的安全性与优势性明显,但是仍旧需要不但深入研究,以确保用户个人信息安全。
2.2 基于人脸图像与虹膜特征身份认证技术
这是一种双因子的生物特征身份认证技术,随着互联网和电子商务的迅猛发展,数字媒体信息安全性风险性也越来越高,而此项身份认证技术便是针对保护数字媒体的安全性而提出来的,通过将人脸图像数字水印成明显图像作为数字媒体的显式标示,而将虹膜数字水印成隐式图像作为数字媒体的隐式标示,对数字媒体的版权进行保护,通过显式标示与隐式标示表明数字媒体的所有权,有效的遏制非法复制与篡改数字媒体,如下图的两种标示,通过在数字媒体职工嵌入人脸图像与隐式虹膜的特征信息,对数字媒体图像起到双重版权保护,此虹膜标示是经过混沌算子运算加密后再嵌入到数字图像中,通过加密能够对用户虹膜特征进行保护,嵌入的人脸图像与虹膜标示图像的图像亮度以及嵌入强度可根据数字媒体的实际情况进行调整,不同类型的数字媒体的嵌入强度与图像亮度是不同的,这样在数字媒体发生版权纠纷时,虹膜特征就是一个重要的法律依据,以对数字媒体提高更好的保护。(图2)
3 结束语
综合上述,通过将人体生物特征信息应用在身份认证技术的研究,基于生物特征信息隐藏与身份认证技术虽能够有效的提高用户信息的安全性,但是结合上述的基于指纹的远程身份认证与密匙的智能卡技术与基于人脸图像与虹膜特征的身份认证技术的分析,生物特征信息的身份认证技术还需要不断的深入研究,为银行支付、电子商务交易、企业应用系统、军事信息安全等领域的信息安全提供保护。
摘要：随着计算机网络技术的高速发展,利用网络远程获取资源和得到授权的服务越来越便捷,但是如何确保特定的资源受到保护,只对合法、授权的用户开发和使用,即如何正确地鉴别用户的身份,以确保通信网和系统数据安全,并且在当前网络环境下,研究如何保存生物特征图像的完整性,如何实现安全可靠的远程身份认证,如何确保生物特征的隐私性和秘密数据的安全性等多方面研究是当前网络资源保护研究的重要项目。本文针对人体生物特征信息隐藏和身份认证进行了深入的研究,通过人体生物的部分特征信息来实现网络身份的验证,例如通过人体指纹、人脸部形状以及虹膜等生物特征信息,通过对其研究,以保护网络资源的安全以及实现用户远程身份登录。
人体特征 篇6
背越式跳高的助跑路线大多采用“J”形曲线。倒数3-5步助跑可以看成为在一定的圆周上的运动,倒三步技术主要起承上启下作用。它的主要任务是把助跑已获得的水平速度,通过起跳转换成垂直速度,对起跳效果和运动成绩具有直接的影响。因此,对跳高运动员倒三步的助跑角度、身体内倾角度、身体重心水平速度和倒两步的步长等运动学指标的变化特征进行研究具有重要的意义。
2 结果与分析
2.1 倒三步助跑角度的变化特征
助跑角度是指身体重心移动的合速度矢量与横杆投影线之间的角度,它是评定助跑曲线是否合理的一项重要指标。在背越式跳高的起跳中,运动员必须使身体绕纵轴转过一定的角度,并获得一定的绕纵轴转动的角动量,才能保证人体越过横杆时形成完全背对横杆的姿势。从起跳到起跳后背对横杆需要转的角度是侧对横杆的90°与起跳瞬间助跑角度之和,增加或减小助跑角度,起跳后人体转动的角度也相应增加和减小。而人体起跳后转动的角度越大,产生的力量就越分散,起跳垂直速度损失就越大,腾空高度的损失相应就增大。因此,起跳前几步的助跑角度较小对提高起跳效果有利。戴帕纳教授认为,倒三步助跑的合理角度在47°—73°、46°—61°和27°—38°的范围内。助跑角度呈逐渐减小的趋势。
从表1可以看出,顾碧威倒三步助跑角度的变化呈现逐渐减小趋势,与上述研究结果基本吻合,倒三步与倒二步着地瞬间的助跑角度较合理,但倒一步着地瞬间的助跑角度明显偏大,同时,可以看出顾碧威的倒三步助跑角的减小幅度相对较小。因此,可以认为,顾碧威倒三步的助跑弧线衔接不够流畅,导致助跑水平速度损失,影响起跳效果。
2.2 倒三步助跑身体内倾角的变化特征
身体内倾角是指躯干纵轴与水平面的夹角,即左右肩关节连线中点与左右髋关节连线中点间的连线与水平面之间的夹角。背越式跳高助跑最后 3—5 步是沿着弧线跑进的,在弧线助跑的曲线一定时,身体内倾角的大小主要取决于运动员的助跑速度和助跑技术。助跑速度越快,身体内倾程度就越大,起跳时身体由内倾转变为竖直的速度就越快,使身体重心向上运动的速度加快,提高了垂直速度大。助跑速度慢则不能形成适宜的身体内倾角,起跳时就难以形成适宜的角动量,会直接影响到腾空过杆动作的顺利完成。由于内倾状态下身体重心下降程度比竖直状态时大,起跳时有助于获得较长的工作距离。如果在工作距离相等的条件下,内倾状态下膝关节弯曲的程度就相对减小,为缩短起跳时间创造了条件。因此,弧线助跑中身体保持适宜的内倾角对正确地由助跑过渡到起跳和完成起跳动作具有十分重要的作用。
苏联跳高教练员J·坦斯认为:起跳时过分地内倾会使身体重心朝横杆方向过分旋转,身体内倾角应保持在75°—80°之间。分析表2可见,顾碧威这三步身体内倾角逐渐减小,说明顾碧威最后三步助跑身体内倾角的变化较合理。但顾碧威倒数第三步与倒数第二步内倾角的变化差值明显变大,就其而言,倒二步助跑内倾角明显加大,水平速度损耗较大,身体重心运动轨迹不平稳流畅,直接影响了其起跳支撑阶段的用力效果。因此,为了避免倒数二步助跑过程中上体移向支撑点垂直面,影响肌肉弹性势能的贮存和由这一步助跑向起跳过渡时身体重心水平速度的转换,应加强提高助跑速度,减小倒三步助跑身体内倾角,同时避免内倾角减小的突然性。
2.3 倒两步步长的变化特征
背越式跳高倒两步助跑步长的大小直接影响弧线助跑节奏。而适宜的助跑节奏不仅能节省人体的能量消耗,而且有利于助跑和起跳动作紧密结合,为加快助跑速度和提高起跳效果创造良好的前提。因此,跳高助跑要求运动员在不断发挥水平速度的同时,注意控制起跳前的助跑步长。为此,分析助跑倒两步步长的变化特点对完善助跑节奏和提高起跳效果具有特殊的意义。
不同的优秀跳高选手的助跑节奏特别是最后几步的节奏表现得较为相似,即助跑起动后逐渐加大步长和加快步频,最后三步在保持步长相对稳定的前提下,主要采用加快步频的方式提高跑速,最后一步达到最快,从而形成积极起跳的助跑节奏。侯君吉认为:在倒数几步助跑中,倒数第二步步长要大于倒数第一步,同时也大于倒数第三步。这与高潮等人提出的“助跑最后三步的步长为中、大、小,最后几步助跑频率在稳定中逐步提高,最后三步助跑均在弧线中完成”的研究结论相一致。分析表3可以看出,顾碧威倒一步和倒二步的步长大小变化趋势基本与以上研究结果相吻合。从倒一步与倒二步的步长比例值来看,顾碧威的倒两步步长的变化幅度较小。有研究表明,助跑最后几步步长变化较小,有助于保证助跑的连贯性,从而促使骨盆迅速移到支撑点上方,有利于两腿迈步和摆动腿动作的积极完成,提高起跳效果。因此,说明顾碧威倒两步步长变化的大小也较合理。
2.4 倒三步助跑身体重心水平速度的变化特征
在背越式跳高中,助跑速度及其合理的转化是决定起跳各个环节的前导性因素,是获得更大的垂直速度和腾起高度的关键。快速助跑有利于起跳阶段加大垂直作用力。由于快速助跑有助于运动员对地面施加较大的作用力。当助跑结束,起跳腿着地瞬间,要求膝关节伸肌用力防止屈膝,但因为向前运动的惯性,起跳腿随之弯屈进入缓冲阶段,在此过程中起跳腿伸膝肌被逐渐拉长,从而刺激了肌肉,可以使起跳腿对地面施加更大的作用力。
据相关研究表明,优秀背越式跳高运动员都具有良好的助跑水平速度。女子跳高世界纪录保持者科斯塔迪诺娃连续12年保持了2.00m以上的竞技能力,她在最后一步助跑进入起跳时身体重心速度高达7-7.3m/s。我国优秀女子跳高运动员葛萍在跳过1.91m的高度时最后四步助跑的平均速度为8.19 m/s。表4表明,与以上国内外优秀选手相比,顾碧威倒数三步助跑速度明显较慢。究其原因,主要由于郑幸娟倒三步助跑的弧线轨迹不够圆滑、流畅,导致助跑水平速度损失较大;在技术上可能过分倾向于起跳,造成水平速度的下降;也可能因为起跳腿和摆动腿的力量不均衡,摆动腿支撑力量较弱,导致其蹬伸速度不够等。
“以速度为中心,速度、力量更加完善结合”是现代背越式跳高技术发展的趋势,因此,在不影响助跑进入起跳及起跳技术完成的前提下,顾碧威应努力提高助跑速度,快速有力地起跳,尽量减少速度的损失,获得较大的速度转换率,从而跃过较高的高度。
3 结论与建议
顾碧威倒三步助跑角度的变化趋势及倒三步与倒二步着地瞬间的助跑角度较合理,但倒一步着地瞬间的助跑角度明显偏大;倒三步助跑身体内倾角的变化较合理,但倒二步助跑内倾角加大十分突然;倒一步和倒二步的步长大小变化较为合理,但倒三步助跑速度偏慢。
结合顾碧威个人特点,以专项能力为基础,专项技术为核心,突出速度,系统地进行有效强度的科学训练;加强顾碧威的绝对力量素质和专项力量素质训练,特别是髋、膝、踝三关节的专项力量训练,努力提高起跳腿缓冲、蹬伸能力;同时,应加强助跑和起跳相结合技术的专门训练,改进技术意识过于集中在起跳上的问题,努力加强最后助跑的进攻性。
参考文献
[1]毛旭江.我国优秀女子跳高运动员顾碧威起跳动作的运动学分析[J].浙江体育科学,2006,6(3).
[2]方少如,等.不同等级女子背越式跳高助跑技术的生物力学分析[J].浙江体育科学,2004,26(2):61-65.
[3](美)贾萨斯.戴佩纳.背越式跳高的生物力学分析[J].山东体育科技,1989,(1).
[4]柳方祥.背越式跳高技术的演进和最佳模式的构建[J].中国体育科技,1997,33(5):54-56.
[5]陈丽波.我国部分优秀女子背越式跳高最后四步助跑、起跳及过杆技术的运动学分析[D].苏州大学体育学院硕士毕业学位论文,2006.
[6]吕强.对我国女子背越式跳高运动员助跑节奏的模式训练[D].北京体育大学学位论文,1983.
[7]许延威,等.对我国优秀跳高运动员周中革不同时期技术的比较分析[J].北京体育大学学报,2003,26(4).
[8]候君吉.背越式跳高助跑的生物力学分析[J].中国体育科技,1997,33(11-12):53-54.
[9]高潮.背越式跳高速度的研究[J].辽宁体育科技,2002,24(1):15-17.
[10]成万祥,等.我国优秀男子跳高运动员助跑最后一步摆动腿支撑技术的运动学特征[J].上海体育学院学报,2005,29(3).