基于計算機視覺的人體運動分析.pdf

1、基于計算機視覺的人體運動分析是近年來機器視覺和圖像處理領域中備受關注的研究方向。人體運動分析系統(tǒng)通常涉及到圖像預處理，目標檢測、跟蹤和識別，以及運動的理解和描述。開發(fā)計算機視覺的主要目的是使計算機和人進行順暢的交流，并理解人的語言、手勢和其他動作，進一步的可超越人類大腦所能完成的任務。人體運動分析在虛擬現實、智能監(jiān)控、人機交互、視頻檢索、醫(yī)療診斷等領域具有廣闊的應用前景與經濟價值。然而，由于人體運動復雜性和特殊性的限制，使得該研究仍處于

2、初級階段。例如在運動跟蹤過程中，實驗人員需要手動標記初始幀的初始點;在動作識別方面，適用于人體運動分析的機器學習方法不夠完善。
　　結合目前人體運動分析的研究現狀和特點，本文主要研究固定背景下基于單目視覺的人體運動分析系統(tǒng)，在視頻序列中對于運動目標檢測、人體動作識別和目標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.在運動目標檢測方面，對當前運動目標檢測技術進行了總結，并給出了部分算法的實驗結果，重點

3、分析了單目攝像機下的背景差分法。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輪廓，利用數學形態(tài)學去除噪聲，并加入圖像連通域大小的判斷算法，設定一個特定閾值，將小于該閾值的噪聲塊連通域去除。
　　2.在人體動作識別方面，本文選取了10個人體運動特征，包括最小外界矩形寬高比、矩形度、圓形度、7個Hu不變矩。選用人體運動特征的標準是抗噪性強、區(qū)分明顯等特點。然后使用SVM對三類人體運動圖像進行分類識別，通過交叉驗證和參數尋優(yōu)

4、后，識別準確率有明顯提升。
　　3.在運動目標跟蹤方面，給出了融合Mean Shift和卡爾曼濾波的具體跟蹤算法，并繪出行走動作的軌跡跟蹤線。為了客觀的評價融合Mean Shift和卡爾曼濾波算法跟蹤效果，計算出實際人體中心點與Mean Shift算法跟蹤點之間的歐氏距離，再將歐氏距離數組分別與原始圖像的對角線像素距離做除法運算。
　　最后，在Visual C++6.0環(huán)境下編程了實現人體運動分析系統(tǒng)。實驗結果表明，作者提出