摘 要： 为了进一步提高人体部位识别正确率，考虑人体部位尺寸不一特性，提出了改进型深度差分特征。改进型深度差分特征根据人体部位尺寸大小确定特征偏移量取值，然后利用随机森林算法训练分类模型，实现了人体部位识别。实验结果表明，采用改进型深度差分特征作为分类模型的训练特征点，实现了人体部位更高、更准确的识别率，比原深度差分特征提高了1.95%。
0 引言
人体姿态识别是计算机视觉中一个重要的研究方向，对视频中运动人体部位的准确识别可为人体姿态研究奠定基础，也降低了人体行为分析的难度。
2025年08月03日
摘 要： 为了进一步提高人体部位识别正确率，考虑人体部位尺寸不一特性，提出了改进型深度差分特征。改进型深度差分特征根据人体部位尺寸大小确定特征偏移量取值，然后利用随机森林算法训练分类模型，实现了人体部位识别。实验结果表明，采用改进型深度差分特征作为分类模型的训练特征点，实现了人体部位更高、更准确的识别率，比原深度差分特征提高了1.95%。
0 引言
人体姿态识别是计算机视觉中一个重要的研究方向，对视频中运动人体部位的准确识别可为人体姿态研究奠定基础，也降低了人体行为分析的难度。
2025年08月03日
摘 要： 提出了一种基于HOG-LBP特征融合的人体头肩检测方法，其要点是将人体头肩图像等分为多个部分重叠的块，从每个块内提取HOG和LBP特征并加以融合，以得到更有效的人体头肩的边缘轮廓和纹理特征，融合后的特征送入支持向量机SVM（Support Vector Machine）通过Bootstrapping的方式进行训练，得到最终的判别模型。实验结果表明，该方法的检测效果优于基于单一HOG、LBP特征的方法。
0 引言