人體行為視覺識別中分割方法的研究.pdf

1、人體行為視覺識別是近年來計算機視覺領(lǐng)域中倍受關(guān)注的前沿方向，而人體目標(biāo)分割技術(shù)在人體行為視覺分析研究中，又是首要的問題。目標(biāo)分割結(jié)果對目標(biāo)的識別和行為理解起著至關(guān)重要的作用。對于人體目標(biāo)分割的研究不僅可以使人體行為識別研究工作突破其使用環(huán)境的“瓶頸”，其研究成果還可以應(yīng)用到如視頻檢索、視頻壓縮等其它需要進(jìn)行人體運動目標(biāo)分割的領(lǐng)域。 基于視覺的人體行為識別是從單個或多個視頻序列中檢測、跟蹤人體，獲取人體運動數(shù)據(jù)，重建人體的三維運動

2、或描述和理解人體運動。視覺人體行為分析在視頻監(jiān)控、體育運動分析、動畫、游戲、虛擬現(xiàn)實和人機交互、輔助臨床醫(yī)療診斷等領(lǐng)域均有著廣闊的應(yīng)用前景。 目前關(guān)于此方面的研究已經(jīng)實現(xiàn)了在演播室或簡單環(huán)境下的3D重建和行為理解。而對于在復(fù)雜環(huán)境中應(yīng)用則多借助于特殊的成像手段檢測和跟蹤多個人及他們的四肢，并處理一些遮擋情況。目前多數(shù)人體行為識別研究中，由于缺乏對復(fù)雜環(huán)境下人體目標(biāo)分割的有效手段和方法，大多對分割問題進(jìn)行了回避。 另外，由

3、于當(dāng)前的運動人體目標(biāo)分割算法多數(shù)是依據(jù)特定環(huán)境、具體任務(wù)而設(shè)計的，當(dāng)人體目標(biāo)在位置或姿態(tài)或環(huán)境發(fā)生變化時，算法不能夠做到自適應(yīng)處理。 本論文的目的是對復(fù)雜環(huán)境中人體目標(biāo)分割相關(guān)技術(shù)進(jìn)行研究。所謂復(fù)雜環(huán)境包括：(1)背景變化的復(fù)雜，如天氣變化、光照變化、背景的變化等等；(2)多人體目標(biāo)和運動目標(biāo)相互遮擋；(3)人體自身投射陰影干擾等。本文并不涉及人體識別問題的研究?；谏鲜瞿康?，本論文主要完成了如下工作： 基于場景變化分析

4、的自適應(yīng)背景更新方法；提出了衍生背景的概念，將背景劃分成原始背景和衍生背景，有效地解決了背景中由于運動目標(biāo)停止而演變?yōu)楸尘凹皬撵o止?fàn)顟B(tài)重新變?yōu)檫\動目標(biāo)情況下的背景更新問題。本文提出了場景分析的方法，可針對背景變化產(chǎn)生的不同原因采用不同的更新策略，并提出了一種更新率自適應(yīng)調(diào)整的滑動平均背景更新算法。針對進(jìn)行幀差運動目標(biāo)檢測中經(jīng)常遇到的區(qū)域內(nèi)含有空洞的問題提出了一種基于背景的掃描式種子填充算法，可快速有效地解決區(qū)域填充問題。 基于方

5、向信息測度和區(qū)域一致性測度的陰影去除算法：提出了基于人體目標(biāo)幾何特征的陰影區(qū)域估計算法，對于陰影去除提出了基于方向信息測度的全影去除方法。利用區(qū)域一致性測度進(jìn)行邊緣寬度的度量，針對目標(biāo)邊緣寬度與陰影區(qū)半影寬度不一致的特點進(jìn)行半影去除。該方法具有抗噪性強、實時性好等特點。 基于勢函數(shù)聚類的多人體目標(biāo)分割方法：根據(jù)人體目標(biāo)單峰且對稱的特征，提出了基于勢函數(shù)聚類對多人體區(qū)域的垂直投影圖進(jìn)行分割的方法，很好地解決了對多人目標(biāo)進(jìn)行有效地分

6、割的問題。與以往基于輪廓特征分析方法相比，該方法具有實時性好、分割準(zhǔn)確等特點。 基于雙目立體視覺及彩色信息的重疊人體目標(biāo)分割方法：提出了基于雙目立體視覺及頭部區(qū)域匹配進(jìn)行重疊人體目標(biāo)分割的方法。在具體實現(xiàn)時算法采用了自適應(yīng)的策略，在不影響分割效果的同時，優(yōu)化了分割算法的復(fù)雜度。 基于自適應(yīng)人體目標(biāo)特征選取的分割方法：將計算機視覺高級階段為識別所要求的特征選取引入目標(biāo)分割。提出了自適應(yīng)特征選擇方法，使人體目標(biāo)分割可自適應(yīng)地

7、在不同姿態(tài)及不同環(huán)境光照條件下進(jìn)行更準(zhǔn)確的分割。該方法與傳統(tǒng)方法相比由于在分割過程中便引入了“知識”，因此提高了分割的準(zhǔn)確率。 基于人類視覺系統(tǒng)的自適應(yīng)紋理分割方法：提出了一種模擬人類視覺系統(tǒng)的自適應(yīng)紋理分割方法和利用紋理信息配合人體目標(biāo)分割的方法。算法能夠自適應(yīng)地選擇Gabor濾波器參數(shù)，并通過調(diào)整Gabor濾波器簇的數(shù)量及參數(shù)模擬HVS的直覺階段對紋理圖像進(jìn)行粗分割，及專注階段對紋理圖像進(jìn)行細(xì)分割?；诩y理圖像傅里葉變換特征