基于自适应粒子滤波的人体运动视频跟踪方法研究

论文摘要

基于视频的人体运动跟踪是一种使用普通摄像机跟踪无标记人体运动的技术,是近年计算机视觉领域的一个研究热点。人体运动的视频跟踪往往由于目标动作的复杂性和不规律性而变得非常困难。尽管人们对人体运动的视频跟踪进行了较广泛的研究,并提出了许多有效的跟踪方法,但对于复杂运动的人体动作,开发出一套鲁棒的视频跟踪算法仍存在较多困难。本文作者针对人体复杂运动的视频跟踪问题进行了研究。由于此类问题高度的非线性、非高斯性,本文作者采用基于概率模型的粒子滤波算法来作为跟踪框架。粒子滤波算法虽然能完成一般的跟踪任务,但对于人体运动跟踪仍然存在困难。传统粒子滤波在人体运动的视频跟踪中存在突出的问题:观测模型不能适应目标身体的表观变化;运动模型不能准确预测目标位置的快速改变。针对这两个问题,本文提出一种自适应粒子滤波算法。算法在粒子滤波的跟踪框架下引入一种自适应观测模型,并根据跟踪误差与人体动作改变幅度的大小自适应选择噪声方差和粒子数量。本文作者对大量的人体运动视频进行了跟踪实验,并将本文算法与传统的粒子滤波算法进行了比较。实验结果表明,本文算法不仅能完成一般的人体步行视频跟踪,并且能够完成复杂动作的视频跟踪任务,同时具有更低的跟踪误差率。

论文目录

• 摘要
• ABSTRACT
• 目录
• 第一章 绪论
• 1.1 课题背景和意义
• 1.2 基于视频的人体运动跟踪研究概述
• 1.2.1 研究内容
• 1.2.2 研究难点
• 1.2.3 国内外研究动态
• 1.3 本文的工作
• 1.3.1 本文的主要研究内容
• 1.3.2 本文的组织结构
• 第二章 基于视频的人体运动跟踪方法分析
• 2.1 引言
• 2.2 基本方法分类
• 2.3 人体运动的视频跟踪方法分析
• 2.3.1 初始化阶段
• 2.3.2 特征提取阶段
• 2.3.3 跟踪阶段
• 2.4 本章小结
• 第三章 粒子滤波原理
• 3.1 引言
• 3.2 贝叶斯滤波理论
• 3.3 蒙特卡罗方法
• 3.4 粒子滤波原理
• 3.4.1 贝叶斯重要性采样
• 3.4.2 序列重要性采样
• 3.4.3 粒子集的退化问题
• 3.4.4 粒子滤波算法与视觉跟踪
• 3.5 本章小结
• 第四章 基于自适应粒子滤波的人体运动视频跟踪算法
• 4.1 引言
• 4.2 提出问题
• 4.3 分析问题
• 4.3.1 关于观测模型
• 4.3.2 关于运动模型
• 4.4 解决问题
• 4.4.1 系统观测模型的设计
• 4.4.2 系统运动模型的设计
• 4.4.3 人体运动视频跟踪实现
• 4.4.4 自适应粒子滤波算法
• 4.5 本章小结
• 第五章 实验结果与分析
• 5.1 引言
• 5.2 人体步行的视频跟踪
• 5.2.1 实验方法
• 5.2.2 实验结果与分析
• 5.3 跳水运动的视频跟踪
• 5.3.1 实验方法
• 5.3.2 实验结果与分析
• 5.4 实验结果的意义分析
• 5.5 本章小结
• 第六章 总结与展望
• 5.1 本文总结
• 5.2 工作展望
• 参考文献
• 附录A:本文插图索引
• 附录B:本文附表索引
• 附录C:本文公式索引
• 致谢
• 攻读硕士学位期间参与项目及研究成果