復(fù)雜背景下的運(yùn)動(dòng)人體跟蹤算法研究.pdf

1、運(yùn)動(dòng)人體的跟蹤技術(shù)研究是機(jī)器視覺領(lǐng)域的核心課題之一，目前被廣泛應(yīng)用在視頻編碼、智能交通、智能監(jiān)控、圖像檢索及軍工等眾多領(lǐng)域中。本文就低對(duì)比度的復(fù)雜環(huán)境下運(yùn)動(dòng)人體跟蹤技術(shù)進(jìn)行了深入的研究，著重分析在了低對(duì)比度的復(fù)雜環(huán)境下如何進(jìn)行運(yùn)動(dòng)人體目標(biāo)的識(shí)別和提取以及目標(biāo)的后續(xù)跟蹤，主要完成了以下幾項(xiàng)工作：
　　1.背景的快速構(gòu)建與更新：復(fù)雜的場(chǎng)景中，尤其是對(duì)于大面積監(jiān)控的場(chǎng)景，采取單一背景生成及維護(hù)模型，總會(huì)消耗系統(tǒng)大量資源用于處理無用的信息

2、。針對(duì)這一問題，我們運(yùn)用了一種分區(qū)管理的背景建模方法，對(duì)于不同的區(qū)域采用不同的方法進(jìn)行建模，可以更加有效地利用系統(tǒng)資源。在背景生成和維護(hù)階段，把背景區(qū)域劃分成一個(gè)個(gè)大小相等的區(qū)域(類似“貼片”)，并根據(jù)這些“貼片”所在區(qū)域的不同變化特征分別進(jìn)行更新，可以在占用很少系統(tǒng)資源的同時(shí)，快速地適應(yīng)環(huán)境的變化。
　　2.運(yùn)動(dòng)目標(biāo)的快速精確提?。簽榱嗽诘玫捷^為細(xì)致的運(yùn)動(dòng)目標(biāo)形狀的同時(shí)，又可以避免對(duì)場(chǎng)景非平穩(wěn)變化的敏感性，本文運(yùn)用了基于局部鄰域

3、相似度的目標(biāo)檢測(cè)方法，在對(duì)輸入視頻中像素進(jìn)行分析的同時(shí)考慮周圍背景的相似性，通過像素周圍圖像塊在時(shí)域中的變化來區(qū)分背景和前景，在沒有任何預(yù)處理的情況下，不僅有效地降低了噪聲的干擾，并能夠快速準(zhǔn)確地提取出運(yùn)動(dòng)目標(biāo)。
　　3.低對(duì)比度下運(yùn)動(dòng)人體的識(shí)別：針對(duì)造成低對(duì)比度下運(yùn)動(dòng)人體識(shí)別困難的兩個(gè)主要因素，拍攝時(shí)光線昏暗和拍攝時(shí)距離較遠(yuǎn)，引入局部直方圖熵概念，提出基于局部直方圖熵的人體識(shí)別算法，運(yùn)用檢測(cè)率和虛警率對(duì)實(shí)驗(yàn)數(shù)據(jù)進(jìn)行評(píng)價(jià)，獲取兩種

4、低對(duì)比度環(huán)境下獲取人體的最佳局部直方圖熵差值的閾值，通過對(duì)理論和實(shí)驗(yàn)數(shù)據(jù)的分析，得出基于局部直方圖熵的人體識(shí)別算法在準(zhǔn)確度上仍需提高，進(jìn)而引入局部灰度熵概念，提出基于局部灰度熵的人體識(shí)別算法，運(yùn)用檢測(cè)率與虛警率對(duì)算法進(jìn)行的評(píng)價(jià),獲取局部灰度熵差值的最佳閾值，經(jīng)過對(duì)算法進(jìn)行的綜合評(píng)價(jià)，得出基于局部灰度熵的人體識(shí)別算法更適合于低對(duì)比度下的人體識(shí)別。
　　4.運(yùn)動(dòng)人體追蹤：由于Mean Shift算法在對(duì)運(yùn)動(dòng)人體進(jìn)行追蹤時(shí)表現(xiàn)出了很高的

5、實(shí)時(shí)性，而且其對(duì)一些干擾素并不敏感，所以本文在對(duì)人體進(jìn)行實(shí)時(shí)性追蹤時(shí)采取基于 Mean Shift的運(yùn)動(dòng)人體追蹤算法。但是為了進(jìn)一步提高基于 Mean Shift算法的穩(wěn)健性，本文做出了一些改進(jìn)，設(shè)計(jì)了基于改進(jìn)的 Mean Shift運(yùn)動(dòng)人體追蹤算法：在目標(biāo)建模階段，結(jié)合人體識(shí)別對(duì)人體區(qū)域進(jìn)行定位，對(duì)區(qū)域內(nèi)的人體目標(biāo)進(jìn)行多特征建模，選擇反差大的特征子模型來對(duì)目標(biāo)進(jìn)行跟蹤；在后續(xù)跟蹤階段，通過對(duì)目標(biāo)特征和周圍區(qū)域的特征進(jìn)行對(duì)比，選擇最優(yōu)子