基于DBN的多人跟踪算法研究

论文摘要

人体运动分析技术由于其广泛的应用前景成为计算机视觉领域研究的焦点之一。目前,对于运动人体的研究主要集中在运动检测、人体跟踪和简单行为的识别等问题上。如何准确且高效地对视频流中的运动人体进行检测和跟踪是人体运动分析技术的关键。本文针对单一摄像机获取的单目视频流中,不同朝向的运动人体受到遮挡或深度影响而容易产生歧义不能有效跟踪的问题,提出了一种用来区分同一场景中运动人体的不同朝向的特征提取方法,结合了相对成熟的同一朝向下准确高效地跟踪运动人体的二维轮廓方法,采用了动态贝叶斯网络(DynamicBayesianNetwork,DBN)的统计模型对两种不同类型的特征进行建模,设计了基于DBN的多人跟踪算法。通过设计的人体运动分析系统验证,本文提出的跟踪算法在准确性和适应性上都达到了满意的效果,该算法针对同一场景具有不同朝向的多个运动人体的跟踪问题的解决具有一定的参考价值。文中提出的跟踪算法在特征匹配时采用了简化约束条件来减少歧义性,如何细化特征参数使算法具有更好的通用性是本文今后研究的方向。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1研究的背景和意义
• 1.1.1 智能监控
• 1.1.2 人机接口
• 1.1.3 运动分析
• 1.1.4 虚拟现实
• 1.1.5 基于模型的图像压缩编码
• 1.2 国内外研究现状
• 1.3 该领域研究的难点及热点方向
• 1.3.1 人体运动分析的难点
• 1.3.2 该领域的热点研究方向
• 1.4 本文工作
• 1.5 本文的组织结构
• 第二章 人体运动分析技术概述
• 2.1 运动检测
• 2.2 目标分类
• 2.3 人体跟踪
• 2.4 行为理解与描述
• 2.5 本章小结
• 第三章 运动人体的检测方法
• 3.1 背景减除法
• 3.2 时间差分法
• 3.3 光流法的基本概念
• 3.4 基于背景减除的时间差分法
• 3.5 本章小结
• 第四章 运动人体的跟踪方法
• 4.1 卡尔曼滤波
• 4.2 粒子滤波
• 4.3 Condensation算法
• 4.4 本章小结
• 第五章 人体运动特征的提取方法研究
• 5.1 不同视觉角度的定义
• 5.2 人体运动特征分析
• 5.3 人体运动特征的提取
• 5.4 本章小结
• 第六章 基于动态贝叶斯网络的多人跟踪算法研究
• 6.1 人体二维轮廓特征提取
• 6.2 动态贝叶斯网络
• 6.3 基于动态贝叶斯网络的联合建模
• 6.4 本章小结
• 第七章 实验结果及分析
• 7.1 人体运动分析系统简介
• 7.2 实验数据及效果图
• 7.3 实验数据分析
• 7.4 本章小结
• 总结和展望
• 致谢
• 参考文献
• 研究成果