基于Kinect医学肢体定位方法研究

摘要

在临床医学中，头部定位尤为重要。针对头部定位中存在的定位不准确、实时性不好、分辨率不高等问题，本文在头部定位中，通过对人脸检测、人脸特征点提取、头部旋转角度等方面进行研究，实现一种新的头部定位方法，以实现实时、准确的头部姿态定位。
　　首先，分析定位过程中所用Kinect传感器的硬件结构和工作原理。针对现有头部定位算法进行分析比较，选取一种快速准确的头部定位算法，完成实验，观察其头部定位效果。
　　其次，针对二维图像使用AdaBoost算法进行人脸检测会出现同一张人脸被检测到多次或人脸误检的问题，本文使用Kinect传感器获取人脸的彩色和深度图像，实现一种融合深度数据和AdaBoost算法的人脸检测方法。在算法的训练阶段提取深度图像的Haar-like特征构建级联分离器，在算法的检测阶段运用深度信息进行子窗口的过滤。实验结果表明，当测试样本数为600时，本文算法的人脸检测成功率可达98.2％。
　　最后，用AAM算法对人脸眼部、嘴、鼻尖等特征进行提取，并利用提取的特征点进行头部定位的定性实验和定量实验的方案设计。在定性实验的设计中，用左右眼、左右嘴唇中间点来构建人脸等腰三角形，实现了本方法的头部定位并验证本实验的方法准确率平均达到97.2％;在定量实验的设计中，使用左右眼、左右嘴唇、鼻尖点来完成头部旋转角度的计算，并且用公开的头部姿态数据库BiWi Kinect Head Pose对本实验的方法进行验证，验证本实验的方法具有一定的准确度。为体现本文头部定位方法的优势，将所提方法与前述现有方法进行对比。实验结果表明，本文所实现方法的分辨率更高。

目录

声明

摘要

第1章 绪论

1．1 课题研究背景和意义

1．2 国内外研究现状

1．2．1 基于形状模板匹配的方法

1．2．2 基于脸部特征点定位的方法

1．3 本文主要研究内容

第2章 基于Kinect的头部定位方法系统组建与实验

2．1 Kinect传感器

2．2 Kinect的工作原理

2．2．1 结构光原理

2．2．2 光编码技术

2．3 头部追踪与定位的实验流程

2．4 头部追踪与定位方法

2．4．1 图像数据获取

2．4．2 头部骨骼坐标的获取

2．4．3 头部定位实验

2．5 本章小结

第3章 人脸检测和特征点提取方法研究和实现

3．1 图像配准

3．2 图像预处理

3．3 基于AdaBoost人脸区域检测

3．3．1 AdaBoost算法

3．3．2 AdaBoost的人脸检测算法实验

3．4 基于改进的深度数据和AdaBoost的人脸检测算法设计

3．5 基于改进的深度数据和AdaBoost的人脸检测算法实现

3．5．1 训练部分的实现

3．5．2 检测部分的实现

3．5．3 人脸检测实验结果及分析

3．6 特征点提取

3．6．1 AAM算法

3．6．2 特征点提取实验

3．7 本章小结

第4章 头部定位和实验结果分析

4．1 实验环境及测试方案

4．2 头部定位的定性实验及结果分析

4．2．1 头部姿态定位的定性实验方案设计

4．2．2 头部姿态定位的定性实验及结果分析

4．3 头部定位的定量实验及结果分析

4．3．1 头部定位的定量实验方案设计

4．3．2 头部定位的定量实验及结果分析

4．4 实验结果对比分析及验证

4．5 本章小结

结论

参考文献

攻读学位期间发表的学术论文

致谢