室內(nèi)場(chǎng)景的人體跟蹤與行為分析.pdf

1、本論文是“基于多模式智能視覺感知與移動(dòng)3G網(wǎng)絡(luò)的空巢老人監(jiān)護(hù)系統(tǒng)”項(xiàng)目的一部分，該項(xiàng)目旨在對(duì)室內(nèi)空巢老人的異常行為進(jìn)行識(shí)別和預(yù)警。通過對(duì)前景檢測(cè)、人體跟蹤和行為分析算法進(jìn)行改進(jìn)和整合，在連接相機(jī)的PC客戶端上實(shí)現(xiàn)對(duì)空巢老人實(shí)時(shí)的穩(wěn)健跟蹤與行為分析，然后把行為分析結(jié)果上傳到遠(yuǎn)程服務(wù)器端，最后再把信息實(shí)時(shí)發(fā)送到子女或監(jiān)護(hù)人的安卓App客戶端。由此最終構(gòu)建了一套基于計(jì)算機(jī)視覺的自動(dòng)化空巢老人監(jiān)護(hù)解決方案，具有廣泛的應(yīng)用前景。
　　本文的

2、主要研究?jī)?nèi)容如下：
　　1.運(yùn)動(dòng)目標(biāo)檢測(cè)和多人體跟蹤：在室內(nèi)場(chǎng)景視頻的運(yùn)動(dòng)目標(biāo)檢測(cè)中，比較了稠密光流法(Dense Optical Flow,DOF)、ViBE(Visual Background Extractor)算法和高斯混合模型(Gaussian Mixture Model，GMM)這三種經(jīng)典方法的前景檢測(cè)效果，最終決定采用各方面性能均衡的GMM算法。在GMM算法基礎(chǔ)上，整合了倒影檢測(cè)算法來去除倒影，在前景圖像預(yù)處理中使用

3、了特別的形態(tài)學(xué)處理方法來聚類人體前景塊和去除前景噪聲。在前景Blob的人體分類中，針對(duì)經(jīng)典的HOG(Histogram of Oriented Gradient)特征行人檢測(cè)算法在真實(shí)場(chǎng)景下錯(cuò)誤率高和速度慢的缺點(diǎn)，本文只對(duì)跟蹤到的前景Blob區(qū)域做行人檢測(cè)。在基于前景Blob的跟蹤算法中，根據(jù)幀與幀的Blob的幾何特征信息實(shí)現(xiàn)了一個(gè)簡(jiǎn)單的Blob Tracking系統(tǒng)。為了克服Blob Tracking無(wú)法處理多人遮擋和靜止跟蹤的問題，

4、本文用KLT(Kanade-Lucas-Tomasi) Tracker來改進(jìn)了Blob Tracking算法，解決了多人遮擋和靜止跟蹤的問題，并且得到穩(wěn)健的跟蹤結(jié)果。
　　2.運(yùn)動(dòng)特征提取和行為分類：針對(duì)單目相機(jī)由于缺乏景深無(wú)法得到人的真實(shí)速度和位置信息從而對(duì)行為分析造成的困難，本文通過對(duì)房間幾何信息和家具信息進(jìn)行標(biāo)定，然后利用透視投影變換(Perspective Projection Transformation,PPT)來定量