視頻序列中運動人體的檢測跟蹤技術的研究.pdf

1、運動目標的檢測跟蹤一直是計算機視覺領域中的重要研究內容，人體目標作為該研究方向上的一個典型的研究對象，在現(xiàn)實生活中有很廣泛的實用價值。本文首先綜述了課題的研究背景和意義，搜集和分析國內外近些年來運動目標的檢測跟蹤技術方面的學術論文和研究報告，對檢測跟蹤人體時可能遇到的難點問題進行分析。針對檢測和跟蹤過程中需要解決的問題，如遮擋情況和尺度變化等，借鑒前人對這些問題的解決方法，進行一些關鍵性的改善，提出較為合理的解決方案。
　　 本

2、文主要的研究內容有：
　　 在檢測運動人體環(huán)節(jié)，首先利用背景差分法和形態(tài)學處理檢測到人體的區(qū)域。然后通過改進的基于人體區(qū)域加權的顯著圖算法得到顯著圖，并根據(jù)WTA競爭機制保留需要的注視點，以這些聯(lián)合注視點為基礎確立聯(lián)合顯著區(qū)域。將獲得的聯(lián)合顯著區(qū)域代替單一的Mean—Shift窗口作為跟蹤窗口，聯(lián)合顯著區(qū)域在不丟失人體重要特征的原則下，盡可能包含了更多的人體信息情況，減少系統(tǒng)的運算量，提高后續(xù)跟蹤系統(tǒng)的性能。
　　 在跟

3、蹤環(huán)節(jié)方面，在已獲得的聯(lián)合感興趣區(qū)域的基礎上，使用顏色核函數(shù)直方圖方法建立人體的目標和候選模型。針對Mean—Shift在處理人體目標位置和速度變化方面的不足，提出了Kalman濾波器修正方案，主要包含目標位置的預測與修正方案、目標模型的及時更新方案，提高搜尋匹配效率，并利用獲取到的觀測值不斷調整濾波器的參數(shù)，以保證下次的預測效果，及時更新運動人體的模型；同時引入差分平方和準則，將經過Kalman濾波器預測后的目標位置在狀態(tài)空間中的位置