基于视频图像的运动人体检测与跟踪算法研究

基于视频图像的运动人体检测与跟踪算法研究

论文摘要

视频图像中人体的检测与跟踪是智能监控、人机界面等视觉系统的重要组成部分。本文分别对运动人体的检测与跟踪算法进行了研究和实现。在运动目标检测中,一种比较成功的思想是用高斯模型对每个像素建模,但这种方法在初始化学习的过程中,速度比较慢,而且其检测速度与稳定性之间难以平衡。本文提出一种利用隔帧差分来重构背景的运动人体检测算法,其通过多帧差分图像中稳定的背景像素相互补充,重构完整的背景。本文对两种方法进行了比较分析,实验证明,本文的算法背景学习速度快,并具有更好的前景分割效果。Meanshift算法不考虑运动物体的位置和速度信息,当跟踪过程中出现背景复杂或遮挡干扰时,跟踪容易失败。本文一方面把卡尔曼滤波融入到Meanshift算法中,跟踪过程中,人体的位置信息可以被卡尔曼滤波所预测,弥补了Meanshift算法的不足。另一方面,考虑Meanshift算法通常是利用单一的特征空间进行跟踪,本文提出了一种自适应特征选择的目标跟踪算法。其联合了色度和灰度梯度两个特征空间,并通过本文定义的空间距离,对特征空间进行自适应选择。同时,考虑一个实际的跟踪系统要求跟踪窗随着目标变化自适应的调整,本文引入了积分投影法来解决跟踪窗尺度变化的问题。实验证明,在环境复杂和遮挡情况下,本文的自适应特征选择算法比Meanshift结合卡尔曼算法取得了更好的跟踪效果,实时性和准确性都得到了提高。

论文目录

  • 摘要
  • Abstract
  • 1 绪论
  • 1.1 课题的研究背景与意义
  • 1.2 检测与跟踪技术的发展现状和主要问题
  • 1.2.1 检测与跟踪技术的发展现状术的发展现状
  • 1.2.2 主要问题
  • 1.3 本文主要研究的内容和结构安排
  • 1.3.1 本文的主要研究内容
  • 1.3.2 论文的各章节安排
  • 2 运动人体的检测算法
  • 2.1 图像前期处理
  • 2.1.1 图像去噪
  • 2.1.2 图像增强
  • 2.2 运动目标检测方法
  • 2.2.1 光流法
  • 2.2.2 帧间差分法
  • 2.2.3 背景差分法
  • 2.3 背景建模方法
  • 2.3.1 直接获取背景模型
  • 2.3.2 基于统计平均的背景模型
  • 2.3.3 基于高斯模型的方法
  • 2.4 本章小结
  • 3 本文的运动人体检测算法
  • 3.1 基于背景重构的运动目标检测
  • 3.2 基于隔帧差分的二值掩模模板的提取
  • 3.3 变化检测模板的填充修正
  • 3.4 基于二值掩模模板的背景重构
  • 3.5 实验结果及性能分析
  • 3.6 本章小结
  • 4 运动人体的跟踪算法研究
  • 4.1 Meanshift算法理论
  • 4.1.1 Meanshift定义
  • 4.1.2 Meanshift算法
  • 4.2 Meanshift算法在目标跟踪中的应用
  • 4.2.1 特征空间的选择
  • 4.2.2 目标模型的建立
  • 4.2.3 Meanshift应用
  • 4.3 卡尔曼滤波
  • 4.3.1 系统的状态方程和观测方程
  • 4.3.2 卡尔曼滤波原理
  • 4.4 Meanshift与卡尔曼结合的目标跟踪
  • 4.5 实验结果及分析
  • 4.6 本章小结
  • 5 基于自适应特征选择的目标跟踪算法
  • 5.1 特征空间的选择
  • 5.2 基于灰度梯度特征的目标模型
  • 5.2.1 微分算子
  • 5.2.2 加权梯度直方图
  • 5.3 自适应选择特征空间的Meanshift跟踪
  • 5.3.1 联合运动检测的反向投影
  • 5.3.2 特征空间的自适应选择
  • 5.4 跟踪窗口自适应调整
  • 5.5 实验结果及分析
  • 5.6 本章小结
  • 6 总结与展望
  • 致谢
  • 参考文献
  • 相关论文文献

    • [1].基于加权最大值波束合成的静止人体检测与定位方法[J]. 桂林电子科技大学学报 2019(06)
    • [2].红外人体检测技术专利分析[J]. 现代信息科技 2020(08)
    • [3].家用医疗机器人的人体检测系统设计[J]. 信息记录材料 2020(08)
    • [4].基于学生人体检测的无感知课堂考勤方法[J]. 计算机应用 2020(09)
    • [5].弱监督任意姿态人体检测[J]. 计算机科学与探索 2017(04)
    • [6].正态伽马分布的检测窗口估算与快速人体检测[J]. 计算机工程与设计 2017(09)
    • [7].大数据环境下基于迁移学习的人体检测性能提升方法[J]. 现代电子技术 2015(14)
    • [8].生物传感器在人体检测中的应用[J]. 科教文汇(下旬刊) 2008(02)
    • [9].基于空间上下文机制的人体分类验证方法研究[J]. 计算机仿真 2020(04)
    • [10].融合热释电红外传感器与双目系统室内人体检测追踪方法的研究[J]. 新型工业化 2018(04)
    • [11].基于无人机视觉的人体检测跟踪技术研究[J]. 计算机技术与发展 2018(10)
    • [12].用于智能家居的实时人体检测系统研究[J]. 电器 2015(08)
    • [13].多部位集合的人体检测[J]. 光学精密工程 2013(11)
    • [14].复杂背景下人体检测算法[J]. 计算机系统应用 2013(04)
    • [15].基于多部位多示例学习的人体检测[J]. 模式识别与人工智能 2012(05)
    • [16].基于黑板模式的人体检测系统设计与实现[J]. 计算机工程 2008(02)
    • [17].结合人体检测和多任务学习的少数民族服装识别[J]. 中国图象图形学报 2019(04)
    • [18].结合图像分割的室内环境静态人体检测研究[J]. 小型微型计算机系统 2019(05)
    • [19].基于深度信息的人体检测窗口快速提取方法[J]. 北京工业大学学报 2017(09)
    • [20].基于矩形拟合的新型人体检测方法[J]. 科技广场 2016(03)
    • [21].一种新的红外图像人体检测算法[J]. 宜春学院学报 2014(12)
    • [22].基于金字塔梯度直方图特征的红外人体检测算法[J]. 电子测试 2012(05)
    • [23].基于视觉注意机制的人体检测和跟踪研究[J]. 电脑知识与技术 2012(11)
    • [24].基于头部特征的人体检测[J]. 信息与电脑(理论版) 2010(06)
    • [25].基于全方位视觉的快速实时人体检测[J]. 浙江工业大学学报 2008(04)
    • [26].机器视觉中的人体检测算法优化[J]. 激光与光电子学进展 2020(10)
    • [27].适用于家庭服务机器人的倒地人体检测方法[J]. 计算机系统应用 2016(10)
    • [28].一种基于区域和关键点特征相结合的双目视觉人体检测与定位方法[J]. 北京联合大学学报(自然科学版) 2015(03)
    • [29].遮挡情况下的人体检测与跟踪[J]. 科学技术与工程 2014(16)
    • [30].基于结构化约束的多视角人体检测方法[J]. 天津大学学报(自然科学与工程技术版) 2014(09)

    标签:;  ;  ;  ;  

    基于视频图像的运动人体检测与跟踪算法研究
    下载Doc文档

    猜你喜欢