人体检测与匹配技术的研究

论文摘要

近年来,在基于单摄像机的智能监控系统的研究领域,运动人体检测与跟踪技术的发展已经日渐成熟,同时,由于对多摄像机组成的监控网络的需求日益增加、多摄像机智能监控系统的研究也越来越受到重视。目前,基于多摄像机视野域的智能监控系统可以划分为有公共视野域和无公共视野域两种类型。考虑到现实中监控范围与摄像机资源之间的实际差距,本文选择针对无公共视野域的监控环境下的人体检测与匹配技术进行研究,主要研究内容包括以下几个部分：(1)基于背景差的人体检测技术的研究。本文中采用背景差法进行了运动人体检测,通过自适应背景建模自动更新当前图像的背景,并结合去除阴影、形态学处理、搜索连通区域等操作,提取出较清晰的运动人体。(2)人体特征的提取。本文介绍运动人体的常用特征,如空间特征,几何特征和统计特征,并详细分析了各特征在描述人体时具有的优缺点以及各特征的提取方法。重点介绍了人体统计特征,如颜色直方图,为运动目标的跟踪和匹配有着深远的影响。(3)运动人体跟踪算法的研究。本文在分析了目前广泛应用于运动人体跟踪的Meanshift算法的思想和优缺点的基础上,采用Camshift算法对单摄像机中的运动人体进行跟踪,克服了Meanshift算法中由于目标尺度变化造成的跟踪不准确的情况。(4)人体匹配技术的研究。本文基于无公共视域多摄像机目标匹配,提出了多摄像间转移时间的概率模型,采用高斯概率密度曲线进行估计,不仅在一定程度上消除了目标间的误匹配现象,而且大大缩减了匹配量、提高了匹配效率。采用加权和的融合算法将转移时间的概率模型和颜色模型进行融合,进一步提高了匹配的精度。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 课题研究的目的和意义
• 1.2 课题研究的国内外研究现状
• 1.3 目标匹配的相关技术
• 1.4 论文的主要工作和创新点
• 1.5 论文的工作安排
• 第2章 运动人体检测技术
• 2.1 运动人体检测算法介绍
• 2.2 视频运动人体检测
• 2.2.1 视频图像的预处理
• 2.2.2 图像背景提取与更新
• 2.2.3 运动人体检测
• 2.3 人体检测的后处理
• 2.3.1 阴影检测与消除
• 2.3.2 形态学滤波
• 2.3.3 连通区域分析
• 2.4 本章小结
• 第3章 运动人体的特征提取
• 3.1 运动人体的空间特征
• 3.1.1 运动质心
• 3.1.2 运动速度和方向
• 3.1.3 目标入、出视野域的时间
• 3.2 人体几何特征的提取
• 3.2.1 人体的面积、长度、宽度和周长
• 3.2.2 人体的矩形度、宽高比和形状复杂度
• 3.3 人体统计特征提取
• 3.3.1 灰度幅值
• 3.3.2 颜色直方图
• 3.3.3 主要颜色谱
• 3.3.4 梯度直方图
• 3.4 本章小结
• 第4章 单摄像机运动人体跟踪
• 4.1 运动人体跟踪技术
• 4.1.1 运动人体跟踪算法
• 4.1.2 运动目标的表示
• 4.2 人体跟踪框架及相关知识介绍
• 4.2.1 人体跟踪算法的选择
• 4.2.2 人体跟踪特征的选择
• 4.3 MEAMSHIFT的算法基本理论
• 4.4 基于CAMSHIFT算法的单摄像机的运动人体跟踪
• 4.5 算法的分析与实现
• 4.5.1 序列1的分析与实现
• 4.5.2 序列2的分析与实现
• 4.6 本章小结
• 第5章 基于多摄像机拓扑结构的运动人体匹配
• 5.1 多摄像机拓扑结构的研究现状
• 5.2 多摄像机拓扑结构建模
• 5.2.1 多摄像机拓扑结构描述
• 5.2.2 转移时间模型的建立
• 5.3 基于颜色直方图的人体匹配
• 5.3.1 颜色直方图的建立与更新
• 5.3.2 颜色直方图的相似度的计算
• 5.4 多摄像机间的数据融合
• 5.5 基于信息数据融合的匹配算法的分析与实现
• 5.6 本章小结
• 第6章 总结与展望
• 参考文献
• 致谢
• 作者简介