智能視頻監(jiān)控中運動人體檢測與跟蹤的研究.pdf

1、運動人體的檢測與跟蹤一直是計算機視覺系統(tǒng)的一項重要研究內容，涉及了模式識別、人工智能以及圖像處理等多個學科的知識，在智能監(jiān)控系統(tǒng)、安全控制等方面有著廣泛的應用前景。由于人體目標的非剛性、衣著服飾、顏色等影響，人體檢測與跟蹤技術仍然具有相當大的難度。本文主要研究了靜態(tài)背景下的運動人體檢測與跟蹤技術。在分析了人體目標檢測與跟蹤技術的方法和特點后，對已有的方法中存在的缺陷進行研究和改進，研究出了一套適合本文環(huán)境下的運動人體檢測與跟蹤算法。

2、r>　　在圖像去噪方面，針對傳統(tǒng)的中值濾波算法對噪聲面積較大的圖像去噪效果不理想的缺陷，本文使用了一種閾值中值濾波算法。該算法在傳統(tǒng)的中值濾波算法基礎上插入了閾值判斷，較傳統(tǒng)的中值濾波算法的去噪效果更理想，同時對圖像中含有較大面積的椒鹽噪聲也有很好的去噪效果。
　　在運動目標檢測方面，本文研究了一種基于三幀差分相乘與邊緣檢測相結合的運動目標檢測算法。該算法與傳統(tǒng)幀差法相比，能夠減小光線和環(huán)境噪聲等對運動目標檢測結果帶來的影響，同時

3、使提取出的目標輪廓更加精確。在人體目標的識別方法上，以人體的頭肩部特征作為識別人體的特征，使用了一種基于頭肩特征Hu矩陣的運動人體識別方法。由于人體頭肩部分的特征在運動過程中性質穩(wěn)定，所以使用該算法比用人體的“高寬比”特征進行人體識別方法的識別率更高，更具可靠性。
　　在人體目標的跟蹤方面，本文對傳統(tǒng)的卡爾曼預測算法中的卡爾曼增益系數進行調整，大大減少了跟蹤的計算量，提高了算法的跟蹤效率。同時使用了一種自動調整窗口位置和大小的卡爾