基于可移動拍攝大場景下的人體運動跟蹤關鍵技術的研究與應用.pdf

1、計算機視覺是已成為計算機領域中最熱門的課題之一，然而，目前還沒有一個標準的模式來解決所謂的“計算機視覺問題”，計算機視覺中的問題是根據實際應用而產生的，通常情況下，一類應用上已經驗證的算法卻很難推廣到其他應用上。
　　本文主要研究在可移動拍攝大場景下的人體運動跟蹤的關鍵技術，主要包括：針對大場景下，使用單攝像機架在三腳架上進行不變焦旋轉拍攝，目標跟蹤時需要補償攝像機的自身旋轉運動，即計算相鄰兩幀之間的單應矩陣，由于單應矩陣的計算是

2、一個隨機過程，因此，當跟蹤過程中引入補償攝像機自身運動的單應矩陣時，其單應矩陣的計算穩(wěn)定性直接影響著跟蹤的結果，如何對二者之間的關系進行評測；同時，如何將每幀圖像快速準確配準到真實的場景模型中，即計算每幀圖像到真實場景模型之間的單應矩陣，其精確度如何評測；大場景下的人體運動跟蹤是一個非常復雜的問題，因為圖像分辨率低、背景復雜、目標移動迅速以及存在遮擋，因此，需要更多的先驗知識，包括更加精確的目標描述和更加魯棒的跟蹤器。
　　針對以

3、上實際中存在的問題，本文以跟蹤在大冰面上快速滑行的短道速滑運動員為應用背景，主要研究內容和創(chuàng)新點包括以下幾個方面：
　　(1)提出了在大場景使用單攝像機進行旋轉拍攝下的人體運動跟蹤的應用算法框架，確保了在復雜的體育應用中，也可具有較好的魯棒性和穩(wěn)定性。
　　(2)提出了一種新的有效算法以減小對于長圖像序列自動配準多造成的累積誤差，在該算法中，任何一幀圖像只需經過3次映射便可轉換到真實冰場坐標系下，即每幀圖像到其對應的參考幀，

4、參考幀到全景冰場，全景冰場到真實冰場模型，該算法避免了傳統(tǒng)算法的多幀變換連續(xù)累乘，從而有效的降低了累積誤差，而且這對于提高實際應用的穩(wěn)定性是十分必要的。
　　(3)提出了描述目標更加精確的層次模型，這有助于在跟蹤過程中，使得跟蹤器知道什么時候以及如何來更新層次模型，這確保了模型更新的精確性：
　　(4)采用多線索跟蹤技術，即針對較小的頭部區(qū)域使用模板匹配技術，對身體區(qū)域使用直方圖匹配技術，這使得當運動員發(fā)生在彎道遮擋時或是滑

5、到冰場上端擋板有顏色干擾時，跟蹤表現(xiàn)的更加穩(wěn)定；
　　(5)提出了一種新的顏色核直方圖的構建方法，在核函數中引入一個遮罩函數，有效的濾除了作為背景信息的干擾像素，大大提高了直方圖匹配時的精確度；
　　(6)利用UKF（Unscented Kalman Filter）本身的特性，可以精確的近似統(tǒng)計變量的均值和協(xié)方差，同時，采用Sigma點確定性采樣，相比PF，采樣點少，實際和理論上計算的效率都更高。并巧妙的將描述目標的層次模型

6、和多線索跟蹤技術融合到了UKF的跟蹤框架中；
　　(7)提出了一套新的對于在大場景進行旋轉拍攝下的人體運動跟蹤的評測方案，包括兩個方面：1.與傳統(tǒng)的跟蹤方法相比，在跟蹤的預測階段多引入了一個去除攝像機自運動的計算，即相鄰圖像之間的單應矩陣，通過在手工標定的目標位置上加入不同噪聲對此過程進行仿真模擬，詳細的分析了其精確度與跟蹤結果之間的關系。2.采用了一種間接方法，即標記點的實際冰場坐標系下的配準誤差來作為實際跟蹤結果的估計，來評測