图像序列中运动人体检测和跟踪算法研究

论文摘要

运动人体的检测与跟踪是人体运动分析的重要内容,也是计算机视觉研究的重要领域之一。在智能安全监控、高级人机接口、人体运动细节分析等方面有着广泛的应用前景和经济价值。由运动物体所形成的图像序列可分为两种情况:一种是静止背景,一种是运动背景。本文主要研究静止背景下,运动人体的检测与跟踪算法。本文主要围绕基于图像序列的运动人体检测和运动人体跟踪两个方面,展开研究。在人体检测阶段,为了能处理环境中的光照变化和背景微小变动,本文对背景建立自适应高斯模型,用背景减除的方法得到前景运动区域。针对阴影这一问题,本文从色彩不变性的角度,详细讨论了阴影的特性,并据此提出了一个可用于阴影去除的算法,提高了阴影去除率。实验表明,通过本文的自适应背景模型和阴影去除法,能有效、准确地提取出前景运动目标。在运动目标跟踪方面,总结了静止背景中目标跟踪的成熟算法,给出一种基于Kalman滤波的运动目标跟踪算法,通过目标检测、目标运动估计和目标匹配三个模块实现运动人体的跟踪。最后介绍一个基于静止摄像机的运动检测和跟踪的图像采集系统,及其组成和组件的选择及特点简介。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 引言
• 1.2 课题的研究背景与意义
• 1.2.1 课题的研究背景
• 1.2.2 课题的学术和应用价值
• 1.3 国内外研究现状
• 1.3.1 人体运动检测研究现状
• 1.3.2 人体运动跟踪研究现状
• 1.4 运动目标检测和跟踪算法的主要问题和难点
• 1.5 本文的主要研究内容和结构安排
• 1.5.1 主要研究内容
• 1.5.2 论文的结构安排
• 2 运动人体检测
• 2.1 常用目标检测方法
• 2.1.1 帧间差分法
• 2.1.2 光流法
• 2.1.3 背景减除法
• 2.2 背景模型的建立
• 2.2.1 背景模型的概念
• 2.2.2 传统背景模型的建立
• 2.2.3 本文背景模型的建立
• 2.3 目标提取
• 2.4 背景模型的更新
• 2.5 阴影检测
• 2.6 噪声的处理
• 2.7 小结
• 3 运动人体跟踪
• 3.1 运动目标跟踪概述
• 3.2 卡尔曼滤波器
• 3.2.1 滤波理论基础
• 3.2.2 卡尔曼滤波器的基本理论
• 3.2.3 卡尔曼滤波的发散原因与抑制
• 3.3 卡尔曼滤波在人体跟踪中的应用
• 3.3.1 特征值的选取
• 3.3.2 卡尔曼跟踪模型
• 3.3.3 特征匹配
• 3.4 实验
• 3.5 小结
• 4 数字图像采集系统
• 4.1 硬件系统组成
• 4.2 软件系统的组成
• 4.3 小结
• 5 讨论与总结
• 致谢
• 参考文献
• 附录