基于計(jì)算機(jī)視覺的人體運(yùn)動(dòng)分析.pdf

1、基于計(jì)算機(jī)視覺的人體運(yùn)動(dòng)分析是近年來機(jī)器視覺和圖像處理領(lǐng)域中備受關(guān)注的研究方向。人體運(yùn)動(dòng)分析系統(tǒng)通常涉及到圖像預(yù)處理，目標(biāo)檢測(cè)、跟蹤和識(shí)別，以及運(yùn)動(dòng)的理解和描述。開發(fā)計(jì)算機(jī)視覺的主要目的是使計(jì)算機(jī)和人進(jìn)行順暢的交流，并理解人的語言、手勢(shì)和其他動(dòng)作，進(jìn)一步的可超越人類大腦所能完成的任務(wù)。人體運(yùn)動(dòng)分析在虛擬現(xiàn)實(shí)、智能監(jiān)控、人機(jī)交互、視頻檢索、醫(yī)療診斷等領(lǐng)域具有廣闊的應(yīng)用前景與經(jīng)濟(jì)價(jià)值。然而，由于人體運(yùn)動(dòng)復(fù)雜性和特殊性的限制，使得該研究仍處于

2、初級(jí)階段。例如在運(yùn)動(dòng)跟蹤過程中，實(shí)驗(yàn)人員需要手動(dòng)標(biāo)記初始幀的初始點(diǎn);在動(dòng)作識(shí)別方面，適用于人體運(yùn)動(dòng)分析的機(jī)器學(xué)習(xí)方法不夠完善。
　　結(jié)合目前人體運(yùn)動(dòng)分析的研究現(xiàn)狀和特點(diǎn)，本文主要研究固定背景下基于單目視覺的人體運(yùn)動(dòng)分析系統(tǒng)，在視頻序列中對(duì)于運(yùn)動(dòng)目標(biāo)檢測(cè)、人體動(dòng)作識(shí)別和目標(biāo)跟蹤方法等方面開展了創(chuàng)新性工作。本文所做的研究工作主要包括:
　　1.在運(yùn)動(dòng)目標(biāo)檢測(cè)方面，對(duì)當(dāng)前運(yùn)動(dòng)目標(biāo)檢測(cè)技術(shù)進(jìn)行了總結(jié)，并給出了部分算法的實(shí)驗(yàn)結(jié)果，重點(diǎn)

3、分析了單目攝像機(jī)下的背景差分法。通過背景差分法獲取初步的人體輪廓，為了獲取較為平滑的目標(biāo)輪廓，利用數(shù)學(xué)形態(tài)學(xué)去除噪聲，并加入圖像連通域大小的判斷算法，設(shè)定一個(gè)特定閾值，將小于該閾值的噪聲塊連通域去除。
　　2.在人體動(dòng)作識(shí)別方面，本文選取了10個(gè)人體運(yùn)動(dòng)特征，包括最小外界矩形寬高比、矩形度、圓形度、7個(gè)Hu不變矩。選用人體運(yùn)動(dòng)特征的標(biāo)準(zhǔn)是抗噪性強(qiáng)、區(qū)分明顯等特點(diǎn)。然后使用SVM對(duì)三類人體運(yùn)動(dòng)圖像進(jìn)行分類識(shí)別，通過交叉驗(yàn)證和參數(shù)尋優(yōu)

4、后，識(shí)別準(zhǔn)確率有明顯提升。
　　3.在運(yùn)動(dòng)目標(biāo)跟蹤方面，給出了融合Mean Shift和卡爾曼濾波的具體跟蹤算法，并繪出行走動(dòng)作的軌跡跟蹤線。為了客觀的評(píng)價(jià)融合Mean Shift和卡爾曼濾波算法跟蹤效果，計(jì)算出實(shí)際人體中心點(diǎn)與Mean Shift算法跟蹤點(diǎn)之間的歐氏距離，再將歐氏距離數(shù)組分別與原始圖像的對(duì)角線像素距離做除法運(yùn)算。
　　最后，在Visual C++6.0環(huán)境下編程了實(shí)現(xiàn)人體運(yùn)動(dòng)分析系統(tǒng)。實(shí)驗(yàn)結(jié)果表明，作者提出