基于頭部特征提取的人體檢測(cè)與跟蹤及其應(yīng)用.pdf

1、人體檢測(cè)與跟蹤是視覺(jué)人體運(yùn)動(dòng)分析的重要組成部分，在視頻會(huì)議、醫(yī)療診斷、高級(jí)人機(jī)交互、智能視頻監(jiān)控、虛擬現(xiàn)實(shí)以及基于內(nèi)容的圖像存儲(chǔ)與檢索等方面都具有廣泛的應(yīng)用前景和潛在的經(jīng)濟(jì)價(jià)值。在人體檢測(cè)與跟蹤技術(shù)的部分應(yīng)用領(lǐng)域中，如智能監(jiān)控、客流檢測(cè)等，由于圖像采集設(shè)備的安裝位置受到限制或?yàn)榱吮M可能避免人體間的相互遮擋等原因，只能獲取檢測(cè)區(qū)域的俯視圖像(Vertical View Image)。在這類(lèi)圖像中人體的各個(gè)部位當(dāng)中只有頭部(尤其是頭頂部)體

2、現(xiàn)的較為完整，頭部的俯視信息(如人體頭頂部輪廓，頭頂部區(qū)域顏色分布等)是唯一可以用來(lái)區(qū)分多個(gè)人體目標(biāo)的特征。因此，頭部特征的選擇與提取就成為俯視圖像中人體檢測(cè)與跟蹤的關(guān)鍵環(huán)節(jié)。本文緊密?chē)@復(fù)雜環(huán)境中的俯視圖像人體檢測(cè)與跟蹤問(wèn)題提出了借助局部人體運(yùn)動(dòng)估計(jì)人體整體運(yùn)動(dòng)的基于頭部特征提取的局部人體檢測(cè)與跟蹤方法。同時(shí)為了在低端嵌入式平臺(tái)上實(shí)時(shí)獲取人體頭部特征，提出了基于改進(jìn)Hough變換的頭部輪廓特征提取方法和基于目標(biāo)視差獲取的頭部深度和透視

3、特征提取方法，并將它們用于實(shí)現(xiàn)具有較高準(zhǔn)確率要求的實(shí)時(shí)人體檢測(cè)與跟蹤系統(tǒng)。 為了采用復(fù)雜度較低的算法準(zhǔn)確的提取出俯視圖像中的人體頭部輪廓特征，最大程度的降低誤識(shí)別和漏識(shí)別的可能性，本文在對(duì)目前工程中使用最為廣泛的兩種改進(jìn)Hough變換進(jìn)行比較后選取借助邊緣梯度方向?qū)A心軌跡進(jìn)行映射的GHT方法作為提取頭部類(lèi)圓輪廓的主要手段。同時(shí)，為了進(jìn)一步降低GHT的時(shí)間消耗并且使得GHT能夠提取出與人體頭部輪廓曲線(xiàn)擬合最好的圓形輪廓，在保留G

4、HT參數(shù)空間映射機(jī)制的基礎(chǔ)上對(duì)GHT的參數(shù)空間累積過(guò)程和候選圓的確認(rèn)過(guò)程進(jìn)行了進(jìn)一步的改進(jìn)，提出了針對(duì)形變較大的頭部類(lèi)圓輪廓檢測(cè)的TGHT算法和基于視知覺(jué)分組理論的最優(yōu)擬合輪廓提取方法。算法的性能測(cè)試以及實(shí)驗(yàn)結(jié)果均表明基于TGHT的頭部輪廓特征提取方法兼顧準(zhǔn)確性與實(shí)時(shí)性，可以在有較高準(zhǔn)確率要求的人體檢測(cè)與跟蹤領(lǐng)域獲得實(shí)時(shí)的應(yīng)用。 針對(duì)基于頭部輪廓特征提取的單目視覺(jué)頭部識(shí)別方法面臨的無(wú)法從多個(gè)與頭部相似的類(lèi)圓區(qū)域中正確的區(qū)分出所有

5、頭部區(qū)域的困難，本文在頭部輪廓特征提取的基礎(chǔ)上采用目標(biāo)視差法獲得候選頭部區(qū)域的視差，并將頭部區(qū)域視差與深度的對(duì)應(yīng)關(guān)系以及頭部區(qū)域的尺度與視差的透視比例關(guān)系作為頭部區(qū)域的3D特征對(duì)候選頭部區(qū)域進(jìn)行確認(rèn)判決以進(jìn)一步提升頭部識(shí)別的準(zhǔn)確率。實(shí)驗(yàn)結(jié)果表明，由于去除了大量與頭部區(qū)域相似的類(lèi)圓區(qū)域形成的虛假頭部區(qū)域，因而與基于頭部輪廓特征提取的單目視覺(jué)頭部識(shí)別方法相比，基于頭部深度和透視特征提取的立體視覺(jué)頭部識(shí)別方法具有更高的頭部識(shí)別準(zhǔn)確率。

6、 為了在頭部識(shí)別基礎(chǔ)上利用運(yùn)動(dòng)檢測(cè)和基于頭部特征提取的局部人體跟蹤方法完成俯視序列圖像中的人體檢測(cè)與跟蹤，本文在基于頭部特征提取的單幀圖像頭部識(shí)別方法基礎(chǔ)上提出基于序列圖像運(yùn)動(dòng)檢測(cè)的邊緣背景減法和基于Kalman預(yù)測(cè)以及頭部區(qū)域輪廓特征幀間匹配的頭部跟蹤算法。 本文最后依據(jù)采用的頭部特征提取方法的不同提出了基于低端DSP平臺(tái)的兩種嵌入式視覺(jué)人體檢測(cè)與跟蹤系統(tǒng)的實(shí)現(xiàn)方案，并分別給出了基于頭部輪廓特征提取的單目視覺(jué)人體檢測(cè)與跟蹤系統(tǒng)