视频监控中多人体目标检测与跟踪方法的研究

论文摘要

视频监控是计算机视觉领域一个重要的研究方向,有着广泛的应用价值。它主要包括目标检测、目标分类、目标跟踪以及目标行为理解等方面。本文针对其中的人体跟踪进行了研究。人体跟踪就是要在连续的视频帧中建立起人体的对应关系,主要包括人体目标的检测、人体特征的建立和特征的匹配等几个关键步骤。本文也从这三个方面展开,主要针对后两方面进行了重点讨论。对于检测得到的多个人体目标,本文分两种情况进行了跟踪。一方面,当人体目标没有发生遮挡时,采用基于卡尔曼滤波预测和单个人体判断相结合的跟踪;另一方面,人体发生遮挡后,采用基于区域颜色特征相匹配的方法进行跟踪。在人体跟踪过程中,人体特征模型建立的好坏是跟踪成功与否的决定性因素。然而如何建立好的人体模型是需要解决的关键问题。本文分别采用加权的欧氏距离和马氏距离对人体颜色进行聚类,得到人体不同区域的颜色块,并将其作为该区域人体特征的标准样本集。对新采集到的人体相应区域的像素,我们利用马氏距离作为度量,使之与标准样本集进行归类判断。根据被归类像素数目的多少决定该区域是否匹配。通过判断整个人体区域,便可判断人体是否被成功跟踪。为了更加稳定地进行跟踪,当人体处于遮挡状态时,由于不能准确的得到他的颜色信息,我们采用颜色块更新的方式建立起特征的连续性,马氏距离的阈值按照同样的方式进行更新。针对聚类等算法耗时比较长的问题,我们对提取得到的人体进行了归一化操作,这样做不但节省了时间,同时也使得跟踪效果更为理想。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 论文背景及意义
• 1.2 人体跟踪的研究现状
• 1.3 本人主要工作及论文内容安排
• 第2章 人体目标的检测与提取
• 2.1 人体目标检测方法介绍
• 2.2 人体目标的提取
• 2.2.1 图像的预处理
• 2.2.2 前景区域的提取
• 2.3 人体阴影的去除
• 2.3.1 阴影存在与否的判断
• 2.3.2 阴影去除的方法
• 2.4 小结
• 第3章 基于预测和单人判断的跟踪
• 3.1 目标的几何形状
• 3.1.1 目标边界提取
• 3.1.2 单个人体的判断标准
• 3.2 人体目标的预测算法
• 3.2.1 随机线性离散系统的数学模型
• 3.2.2 Kalman滤波原理
• 3.2.3 Kalman滤波器在跟踪中的应用
• 3.3 跟踪结果分析
• 3.4 小结
• 第4章 基于颜色特征的多人体跟踪
• 4.1 人体特征的建立
• 4.1.1 人体颜色模型的分析
• 4.1.2 人体目标预处理
• 4.2 颜色块的初步提取
• 4.2.1 ISODATA算法原理
• 4.2.2 简化的 ISODATA算法的颜色聚类
• 4.3 基于颜色块的人体跟踪方法
• 4.3.1 跟踪的主要步骤
• 4.3.2 颜色块的特征匹配
• 4.4 实验结果及分析
• 4.5 小结
• 第5章 总结与展望
• 参考文献
• 致谢
• 研究生履历