基于視頻圖像的運動人體識別與跟蹤算法研究.pdf

1、基于視頻圖像的運動人體識別與跟蹤技術(shù)是智能監(jiān)控、智能交通系統(tǒng)等應(yīng)用的基礎(chǔ)。主要包括三個重要步驟:(1)運動目標檢測;(2)人體目標識別;(3)運動人體目標跟蹤。
　　針對傳統(tǒng)運動目標檢測算法不能完整提取運動目標區(qū)域的問題，本文提出結(jié)合時空背景差分和閉合輪廓擬合的運動目標檢測算法。利用背景差分法獲取運動目標區(qū)域，利用圖像形態(tài)學處理方法得到膨脹后的目標區(qū)域，根據(jù)加權(quán)多方向高斯濾波方法在彩色圖像上對目標區(qū)域進行邊緣提取。提出2bit區(qū)域

2、選擇法及類間最小距離準則構(gòu)造目標閉合輪廓，最后通過基于空間距離大小的連續(xù)邊緣搜索方法獲得完整人體目標區(qū)域及區(qū)域中心位置。
　　基于分類器的人體識別方法需要大量正負樣本，且需要選擇合適的特征，訓練時間較長，針對這些問題，本文提出了基于可變形頭肩橢圓模板級聯(lián)匹配方法進行運動人體目標識別。構(gòu)造人體頭部及肩部的橢圓模板，以參數(shù)形式表示，以待識別圖像的頭部區(qū)域起始坐標作為模板滑動起始位置，設(shè)定橢圓模板的長軸與短軸比例，根據(jù)頭部、肩部輪廓特征

3、實時改變模板尺寸。匹配時將模板和待識別圖像梯度直方圖間的歐式距離，設(shè)置閾值進行識別，對于肩部則只考慮與橢圓模板的上半部分的匹配。
　　在跟蹤領(lǐng)域Mean shift算法比較常見，但是它容易受到收斂速度的影響，在目標被遮擋下會失效，針對這一問題本文提出基于動態(tài)分類概率模型的人體跟蹤算法。跟蹤算法以模板匹配得到的人體頭肩部位為初始跟蹤目標，結(jié)合人體頭肩分類器，利用極大似然度逐幀計算目標在下一幀8個鄰近位置處的預(yù)測概率。根據(jù)每幀最大預(yù)測