一种基于AVI视频的动态人体轮廓检测识别及简单动作分析研究

论文摘要

伴随计算机视觉技术的新兴与深入研究,其应用领域诸如智能监控系统,虚拟现实系统和数字视频编码技术等得以蓬勃发展。在信息与科技创新得到鼎力推崇的今天,作为国家特殊且极为重要的执法机构,监狱监控系统的可靠性与智能性显得尤为关键。监狱监控系统监控的主体是犯人,监控的场景包括囚犯住室、探视室、集体食堂、重要通道和门禁等。复杂而特殊的监控主体和监控场景,对监狱监控系统的功能提出了极为苛刻的要求。基于此,本文从理论和实践出发,通过模拟监狱环境,分别就视频帧预处理,边缘检测,运动目标提取跟踪,人体目标识别及个数统计等关键技术进行了探索与研究。主要研究内容如下：1、视频帧预处理技术比较繁多,针对监狱监控环境的实际,文章重点完成了以下几个处理：彩色视频帧经过灰度化处理及二值化处理,借此减少大量不必要的像素点,从而减少文章工程工作量；通过视频帧直方图均衡化处理,去噪以及锐化处理,完成对图像帧的平滑与滤波,为下一步边缘检测做充分准备。2、视频帧边缘检测研究,采用多种边缘检测算法进行实验仿真比较。使用的边缘检测算法包括经典边缘检测算子(梯度检测算子、罗伯茨检测算子、索贝尔检测算子,Prewitt检测算子、拉普拉斯检测算子和威廉检测算子)和现代边缘检测算子(基于BP网络的边缘检测算法、Pal.King模糊边缘检测算法和文章改进的Pal.King检测算法)。仿真实验结果表明,文章改进的Pal.King检测算法获取的图像帧轮廓较为清晰,毛刺较少,效果较好。3、文章采用邻域帧差法完成运动目标提取,采用双次卡尔曼滤波完成运动目标跟踪。仿真结果显示,邻域帧差法能够有效提取运动目标轮廓,双次卡尔曼滤波相比经典卡尔曼滤波,能够更好地完成目标跟踪,并且对于目标突变等情况具备自适应快速收敛性。4、研究了动态人体目标识别,个数统计及简单动作分析。在前人的相关研究论述基础上,提出了一种综合算法(基于人体轮廓宽高比和人头特征的人体识别,断面式统计计算人体数),在模拟监狱监控系统的环境里,通过实验仿真,以及数据分析,实现了课题研究的基本要求。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 引言
• 1.2 动态智能视频流监控系统概述
• 1.3 国内国外的研究状况
• 1.3.1 国内研究现状
• 1.3.2 国外研究现状
• 1.4 文章研究目的及意义
• 1.4.1 课题目的
• 1.4.2 课题意义
• 1.5 文章框架及内容安排
• 第二章 视频动态图像序列研究基础
• 2.1 引言
• 2.2 数字图像基础理论
• 2.2.1 数字图像
• 2.2.2 图像色彩空间
• 2.3 动态图像序列定义
• 2.3.1 动态图像的组成
• 2.3.2 常见的视频文件格式
• 2.4 图像帧预处理
• 2.4.1 图像帧灰度化
• 2.4.2 图像帧二值化
• 2.4.3 图像帧直方图均衡化
• 2.4.4 图像帧去噪
• 2.4.5 图像帧锐化
• 2.5 本章小结
• 第三章 动态图像序列边缘检测
• 3.1 引言
• 3.2 传统边缘检测算法
• 3.2.1 梯度算子
• 3.2.2 Prewitt检测算子
• 3.2.3 拉普拉斯检测算子
• 3.2.4 威廉检测算子
• 3.2.5 传统边缘检测方法仿真结果及性能比较
• 3.3 现代边缘检测算法
• 3.3.1 Pal.King模糊边缘检测算法
• 3.3.2 改进的Pal.King模糊边缘检测算法
• 3.3.3 现代边缘检测方法仿真结果及性能比较
• 3.4 本章小结
• 第四章 动态目标检测与跟踪
• 4.1 引言
• 4.2 动态目标检测提取
• 4.2.1 相邻帧差法
• 4.2.2 背景差分法
• 4.2.3 光流法
• 4.2.4 文章采用的目标检测提取方法
• 4.3 动态目标跟踪
• 4.3.1 标准卡尔曼滤波法
• 4.3.2 基于双次卡尔曼滤波跟踪法
• 4.3.3 仿真实验结果分析
• 4.4 本章小结
• 第五章 动态人体目标识别和个数统计以及简单动作分析
• 5.1 引言
• 5.2 人体识别方法研究
• 5.2.1 支持向量机头肩模型提取与验证相结合的人体识别
• 5.2.2 基于头部区域轮廓的几何特征匹配识别人体
• 5.2.3 基于人体头肩模型与BP神经网络的人体识别
• 5.2.4 基于apar条形识别人体
• 5.2.5 一种基于人体轮廓宽高比和人头特征的人体识别
• 5.3 人体个数统计
• 5.4 人体目标简单动作意图分析
• 5.5 系统综合算法研究
• 5.6 仿真结果分析
• 5.7 本章小结
• 第六章 总结与展望
• 6.1 总结
• 6.2 工作展望
• 致谢
• 参考文献
• 攻读学位期间的研究成果