基于視頻流的人體目標(biāo)檢測與行為識別研究.pdf

1、基于視頻流的目標(biāo)檢測、跟蹤與識別是計算機視覺和模式識別領(lǐng)域的熱點問題,在智能視頻監(jiān)控、高級人機交互、移動機器人定位與導(dǎo)航、虛擬現(xiàn)實等領(lǐng)域具有廣泛的應(yīng)用前景。經(jīng)過幾十年學(xué)者們的不懈努力,上述技術(shù)已經(jīng)有了較多的研究成果。由于視覺應(yīng)用系統(tǒng)中環(huán)境的復(fù)雜性以及目標(biāo)本身的多樣性,給目標(biāo)檢測、跟蹤和識別技術(shù)帶來了極大的困難。實踐表明一般意義上的目標(biāo)檢測、跟蹤與識別技術(shù)還遠(yuǎn)未成熟,距離實用化尚存在一定差距,還需要開發(fā)出更為實用魯棒的算法。本論文從理論和

2、實際應(yīng)用的角度出發(fā),對以視頻為輸入的運動目標(biāo)識別的相關(guān)關(guān)鍵技術(shù)進(jìn)行研究,研究內(nèi)容主要涉及運動目標(biāo)的檢測、運動目標(biāo)的跟蹤、運動特征的表征和識別方法等。
　　本文研究了背景建模方法,提出了一種基于像素統(tǒng)計分類的視頻流目標(biāo)檢測算法,借助把圖像的像素值看成是前景高斯分布和背景高斯分布的組合,進(jìn)行背景估計和自適應(yīng)背景更新;以統(tǒng)計當(dāng)前幀前景像素的點數(shù)來判定光照突變,并結(jié)合幀間差分法來檢測運動目標(biāo)。仿真實驗表明,該算法可以實時準(zhǔn)確地檢測出前景運

3、動目標(biāo),具有更強的適應(yīng)性。通過復(fù)雜背景下的人臉檢測實驗表明,該算法在基于膚色信息的人臉檢測中也具有一定的實際應(yīng)用價值。本文還提出了一種基于鏈碼標(biāo)定的圓檢測算法,利用數(shù)學(xué)形態(tài)學(xué)方法有效地去噪填充和提取二值圖像的邊緣,再利用鏈碼方法確定圓度參數(shù)。實驗表明,該算法簡單有效,計算精度小于1個像素,具有較好的實用效果。
　　針對多目標(biāo)跟蹤問題,本文提出了融合角點特征的多目標(biāo)跟蹤算法。利用改進(jìn)的Harris算子提取運動目標(biāo)的均勻穩(wěn)定的特征點,

4、通過特征匹配和匹配優(yōu)化,完成視頻運動多目標(biāo)的跟蹤。跟蹤實驗表明,該算法能夠完成視角變化、旋轉(zhuǎn)、仿射變換、光照變化等多種情況下的穩(wěn)定匹配,可以實現(xiàn)小部分遮擋狀態(tài)下目標(biāo)的穩(wěn)定跟蹤。本文研究了經(jīng)典的 Mean shift跟蹤算法,由于該算法對于快速運動的目標(biāo)跟蹤是無效的,而且還存在誤差累積的問題,因此本文提出了基于質(zhì)心加權(quán)的 Kalman濾波的跟蹤算法。利用背景差鎖定動態(tài)目標(biāo)跟蹤區(qū)域,在目標(biāo)跟蹤開始時利用Kalman濾波來預(yù)測目標(biāo)的位置,然后

5、采用質(zhì)心加權(quán)算法優(yōu)化修正跟蹤目標(biāo)的位置,并以修正后的狀態(tài)預(yù)測值進(jìn)行觀測更新,進(jìn)而實現(xiàn)對跟蹤目標(biāo)較為精確的定位。經(jīng)過仿真實驗分析,該算法在有效檢測到運動物體的同時能夠快速準(zhǔn)確地跟蹤運動物體,具有較好的實時性與較強的魯棒性。
　　針對復(fù)雜多變光照下的人臉識別問題,本文提出了基于LBP算子與EMD的人臉識別算法,首先對圖像進(jìn)行一系列簡單有效的預(yù)處理以提高算法的魯棒性,然后提取圖像的局部LBP特征,獲得圖像的LBP直方圖。采用EMD方法對

6、LBP直方圖進(jìn)行計算,完成對圖像相似性的度量。在 GTAV標(biāo)準(zhǔn)人臉庫上實驗結(jié)果表明,該算法顯著提高了識別率。人體行為識別與理解屬于更高一層的視覺任務(wù)。本文在探討了各種人體行為識別算法的基礎(chǔ)上,提出了一種基于時空興趣點的人體行為識別算法,采用3D Harris角點提取不同行為的時空特征,然后采用K-means聚類和LLE結(jié)合的方法對提取的運動特征進(jìn)行降維和分類,訓(xùn)練識別過程則采用平均Hausdorff距離的幾何特征方法完成相似性配準(zhǔn)。KT