基于視頻圖像的運(yùn)動(dòng)人體識(shí)別與跟蹤算法研究.pdf

1、基于視頻圖像的運(yùn)動(dòng)人體識(shí)別與跟蹤技術(shù)是智能監(jiān)控、智能交通系統(tǒng)等應(yīng)用的基礎(chǔ)。主要包括三個(gè)重要步驟:(1)運(yùn)動(dòng)目標(biāo)檢測(cè);(2)人體目標(biāo)識(shí)別;(3)運(yùn)動(dòng)人體目標(biāo)跟蹤。
　　針對(duì)傳統(tǒng)運(yùn)動(dòng)目標(biāo)檢測(cè)算法不能完整提取運(yùn)動(dòng)目標(biāo)區(qū)域的問(wèn)題，本文提出結(jié)合時(shí)空背景差分和閉合輪廓擬合的運(yùn)動(dòng)目標(biāo)檢測(cè)算法。利用背景差分法獲取運(yùn)動(dòng)目標(biāo)區(qū)域，利用圖像形態(tài)學(xué)處理方法得到膨脹后的目標(biāo)區(qū)域，根據(jù)加權(quán)多方向高斯濾波方法在彩色圖像上對(duì)目標(biāo)區(qū)域進(jìn)行邊緣提取。提出2bit區(qū)域

2、選擇法及類(lèi)間最小距離準(zhǔn)則構(gòu)造目標(biāo)閉合輪廓，最后通過(guò)基于空間距離大小的連續(xù)邊緣搜索方法獲得完整人體目標(biāo)區(qū)域及區(qū)域中心位置。
　　基于分類(lèi)器的人體識(shí)別方法需要大量正負(fù)樣本，且需要選擇合適的特征，訓(xùn)練時(shí)間較長(zhǎng)，針對(duì)這些問(wèn)題，本文提出了基于可變形頭肩橢圓模板級(jí)聯(lián)匹配方法進(jìn)行運(yùn)動(dòng)人體目標(biāo)識(shí)別。構(gòu)造人體頭部及肩部的橢圓模板，以參數(shù)形式表示，以待識(shí)別圖像的頭部區(qū)域起始坐標(biāo)作為模板滑動(dòng)起始位置，設(shè)定橢圓模板的長(zhǎng)軸與短軸比例，根據(jù)頭部、肩部輪廓特征

3、實(shí)時(shí)改變模板尺寸。匹配時(shí)將模板和待識(shí)別圖像梯度直方圖間的歐式距離，設(shè)置閾值進(jìn)行識(shí)別，對(duì)于肩部則只考慮與橢圓模板的上半部分的匹配。
　　在跟蹤領(lǐng)域Mean shift算法比較常見(jiàn)，但是它容易受到收斂速度的影響，在目標(biāo)被遮擋下會(huì)失效，針對(duì)這一問(wèn)題本文提出基于動(dòng)態(tài)分類(lèi)概率模型的人體跟蹤算法。跟蹤算法以模板匹配得到的人體頭肩部位為初始跟蹤目標(biāo)，結(jié)合人體頭肩分類(lèi)器，利用極大似然度逐幀計(jì)算目標(biāo)在下一幀8個(gè)鄰近位置處的預(yù)測(cè)概率。根據(jù)每幀最大預(yù)測(cè)