視頻監(jiān)控中的運(yùn)動(dòng)人體檢測(cè)與跟蹤算法研究.pdf

1、在現(xiàn)代社中,安全問(wèn)題越來(lái)越受人們關(guān)注,而視頻監(jiān)控成為保障國(guó)家、社會(huì)、人民群眾生命財(cái)產(chǎn)安全的最重要的技術(shù)手段。它也是目前計(jì)算機(jī)視覺(jué)與模式識(shí)別領(lǐng)域里的研究熱點(diǎn)之一。視頻監(jiān)控主要包含運(yùn)動(dòng)物體檢測(cè)、目標(biāo)分類、目標(biāo)跟蹤、目標(biāo)識(shí)別、行為分析等諸多課題。在這些運(yùn)動(dòng)目標(biāo)中我們最為關(guān)注的是人體。本文從視頻監(jiān)控的理論出發(fā),對(duì)前人提出一些關(guān)于人體檢測(cè)與跟蹤當(dāng)中一些的算法進(jìn)行分類研究,并在此基礎(chǔ)上實(shí)現(xiàn)算法的應(yīng)用并提出了改進(jìn)。本文的主要工作有如下兩個(gè)方面:

2、>　　 1、本文在人體檢測(cè)方面,提出一種改進(jìn)型的LBP特征去除陰影算法。由于在人體檢測(cè)時(shí)會(huì)受到光照、陰影等環(huán)境影響,特別是陰影,由于陰影和運(yùn)動(dòng)人體具有相似的運(yùn)動(dòng)特性,所以很多視頻監(jiān)控中運(yùn)動(dòng)目標(biāo)檢測(cè)算法把陰影也分割為運(yùn)動(dòng)目標(biāo)的一部分或另一個(gè)新目標(biāo),這就對(duì)后續(xù)操作造成影響,本文提出以改進(jìn)型的LBP特征去除運(yùn)動(dòng)陰影。其主要內(nèi)容是:在LBP基礎(chǔ)上,運(yùn)用一種改進(jìn)的局部三值模式(LTP)紋理特征提取方法,并把這種提取方法運(yùn)用到運(yùn)動(dòng)陰影去除中。該方

3、法首先利用自適應(yīng)高斯混合模型進(jìn)行背景建模,得到背景和含有陰影的前景目標(biāo)；并用亮度屬性得到疑似陰影分塊,然后再把疑似陰影區(qū)域和已獲取背景相應(yīng)位置的LTP紋理相似性進(jìn)行判斷；最后得到準(zhǔn)確的陰影區(qū)域并實(shí)現(xiàn)陰影去除。實(shí)驗(yàn)結(jié)果表明,該算法能夠很好地抑制分割噪聲,準(zhǔn)確地去除運(yùn)動(dòng)陰影,具有較好的實(shí)驗(yàn)效果。
　　 2、在人體跟蹤方面,對(duì)Mean Shift算法的基本原理及Mean Shift在跟蹤中應(yīng)用作了詳細(xì)的介紹；在深入研究了Mean Sh

4、ift算法后發(fā)現(xiàn),該方法在對(duì)快速目標(biāo)跟蹤會(huì)出現(xiàn)運(yùn)動(dòng)目標(biāo)的丟失,在環(huán)境復(fù)雜的情況下,會(huì)出現(xiàn)跟蹤定位的錯(cuò)誤。面對(duì)以上缺陷,本文綜合Mean Shift和Kalman算法進(jìn)行目標(biāo)的跟蹤,通過(guò)使用運(yùn)動(dòng)目標(biāo)的已知信息,即目標(biāo)運(yùn)動(dòng)信息和空間色彩信息。其具體過(guò)程是利用Kalman濾波器進(jìn)行運(yùn)動(dòng)人體可能位置的預(yù)測(cè),并一這個(gè)位置為新起點(diǎn),再應(yīng)用Mean Shift算法搜索最佳匹配位置。該結(jié)合算法能夠準(zhǔn)確的跟蹤人體目標(biāo),在干擾和快速運(yùn)動(dòng)上都有很好的處理,在