基于計(jì)算機(jī)視覺的人體跟蹤研究.pdf

1、基于計(jì)算機(jī)視覺的目標(biāo)跟蹤是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)熱點(diǎn)問題，在軍事制導(dǎo)、智能視頻監(jiān)控、機(jī)器人視覺導(dǎo)航、人機(jī)交互、以及醫(yī)療診斷等許多方面有著廣泛的應(yīng)用前景。本文以智能視頻監(jiān)控為應(yīng)用背景，主要研究了視頻中單個(gè)人體以及多個(gè)人體的跟蹤技術(shù)。 在單個(gè)人體跟蹤中，本文將均值漂移算法嵌入到粒子濾波的跟蹤框架中，將顏色分布作為觀測(cè)，并將HSV顏色空間根據(jù)人類的顏色感知差異，對(duì)各個(gè)分量進(jìn)行非等間隔量化，然后利用基于核函數(shù)的直方圖進(jìn)行建模。該算法克服了

2、粒子濾波計(jì)算量較大的缺點(diǎn)，同時(shí)也克服了均值漂移算法容易陷入局部最大且無法恢復(fù)的缺點(diǎn)。實(shí)驗(yàn)結(jié)果表明,本方法具有較強(qiáng)的實(shí)時(shí)性和魯棒性。 在多個(gè)人體跟蹤中，針對(duì)目標(biāo)在觀測(cè)場(chǎng)景中出現(xiàn)和消失問題，研究了一種基于粒子濾波的概率假設(shè)密度跟蹤算法。根據(jù)人體非剛性的特性將顏色直方圖作為觀測(cè)，并在概率假設(shè)密度的粒子濾波實(shí)現(xiàn)的算法框架中加入了數(shù)據(jù)關(guān)聯(lián)的思想，將峰值與跟蹤目標(biāo)進(jìn)行關(guān)聯(lián)，判斷目標(biāo)在場(chǎng)景中的出現(xiàn)和消失情況。該算法不僅能有效處理跟蹤期間目標(biāo)數(shù)

3、的變化情況，同時(shí)還可以獲得每個(gè)目標(biāo)的運(yùn)動(dòng)狀態(tài)，克服了當(dāng)前多目標(biāo)跟蹤算法只能處理目標(biāo)數(shù)不變時(shí)的情況，或能處理目標(biāo)數(shù)變化，但只能估計(jì)多個(gè)目標(biāo)的全局運(yùn)動(dòng)狀態(tài)，而無法得知單個(gè)目標(biāo)的運(yùn)動(dòng)狀態(tài)的問題。該算法為目標(biāo)數(shù)可變情況下的多目標(biāo)跟蹤提供了一種較有效的方法。由于智能視頻監(jiān)控系統(tǒng)在軍事上和民用上的緊急需求，一直是最近幾年的研究熱點(diǎn)。在安全和法律方面，智能視頻監(jiān)控系統(tǒng)對(duì)從監(jiān)控?cái)z像機(jī)傳來的監(jiān)控場(chǎng)景的視頻信息進(jìn)行處理，對(duì)場(chǎng)景中可疑的人和事件進(jìn)行報(bào)警，從而

4、阻止犯罪、災(zāi)難性事件的發(fā)生，以保障人民群眾的生命和財(cái)產(chǎn)安全;在交通應(yīng)用上，智能視頻監(jiān)控系統(tǒng)監(jiān)測(cè)交通流量，檢測(cè)高速公路上的交通事故;在商業(yè)活動(dòng)中，智能視頻監(jiān)控系統(tǒng)統(tǒng)計(jì)各購物場(chǎng)所和娛樂場(chǎng)所消費(fèi)者人數(shù)，監(jiān)視公眾場(chǎng)合中行人的阻塞情況和擁擠程度，以免發(fā)生踩踏事件;在軍事上的應(yīng)用包括監(jiān)控國境線，測(cè)量沖突地區(qū)的難民流入流量，監(jiān)視和平談判和軍事基地。 在視頻監(jiān)控的場(chǎng)景中，人是活動(dòng)主體，所以監(jiān)控系統(tǒng)必須能實(shí)時(shí)地檢測(cè)和跟蹤人的運(yùn)動(dòng)，在出現(xiàn)人和人遮擋

5、，人和環(huán)境遮擋，光照變化，非剛體輪廓變形也能正常工作。人體跟蹤是智能視頻監(jiān)控系統(tǒng)后續(xù)處理的基礎(chǔ)，它的質(zhì)量直接影響到后續(xù)的目標(biāo)識(shí)別、姿態(tài)估計(jì)、運(yùn)動(dòng)分析和行為理解等等。 本文的主要研究內(nèi)容首先是本文用于跟蹤的濾波理論的研究，然后研究并實(shí)現(xiàn)了視頻中單個(gè)人體的以及多個(gè)人體的實(shí)時(shí)有效跟蹤。 在濾波理論的研究中，主要研究了本文跟蹤所涉及的相關(guān)濾波理論的原理以及算法等，其中包括貝葉斯濾波、卡爾曼濾波、粒子濾波以及概率假設(shè)密度濾波，本文

6、根據(jù)各個(gè)濾波的特點(diǎn)以及適用情況，選擇粒子濾波作為單目標(biāo)跟蹤的主要跟蹤算法，將概率假設(shè)密度濾波作為多目標(biāo)跟蹤的主要算法，并用粒子濾波將其實(shí)現(xiàn)。 在單個(gè)人體跟蹤中，關(guān)鍵在于兩個(gè)模型的建立，即目標(biāo)的觀測(cè)模型以及目標(biāo)的運(yùn)動(dòng)模型。建立目標(biāo)的觀測(cè)模型時(shí)，考慮到人體是一個(gè)非剛性的物體，在跟蹤的過程中，人體會(huì)發(fā)生形變以及產(chǎn)生旋轉(zhuǎn)等，而目標(biāo)的顏色隨著形變以及旋轉(zhuǎn)等變化較小，具有較強(qiáng)的魯棒性，因而選取人體的顏色分布作為觀測(cè)。并將HSV顏色空間根據(jù)人

7、類的顏色感知差異，對(duì)各個(gè)分量進(jìn)行非等間隔量化，使得亮度變化產(chǎn)生的影響降低到最小，同時(shí)為了加入空間信息增強(qiáng)顏色直方圖的魯棒性，本文引入了Epanechnikov核函數(shù)進(jìn)行直方圖建模，同時(shí)引入巴查利亞系數(shù)衡量目標(biāo)直方圖和候選直方圖的距離，而在尋找最佳候選直方圖時(shí)，我們利用均值漂移算法進(jìn)行迭代，加快了尋找的效率，增強(qiáng)了算法的實(shí)時(shí)性。在建立目標(biāo)的運(yùn)動(dòng)模型時(shí)，考慮到人體行走一般處于勻速狀態(tài)，我們采用了勻速運(yùn)動(dòng)模型。該算法克服了粒子濾波計(jì)算量較大的

8、缺點(diǎn)，同時(shí)也克服了均值漂移算法容易陷入局部最大且無法恢復(fù)的缺點(diǎn)。實(shí)驗(yàn)證明，該算法在目標(biāo)人體出現(xiàn)形變、短暫消失、遮擋等都能取得良好的跟蹤效果，具有較強(qiáng)的實(shí)時(shí)性和魯棒性。 在多個(gè)人體跟蹤中，我們研究了一種基于粒子濾波的概率假設(shè)密度跟蹤算法，該算法將目標(biāo)的狀態(tài)通過隨機(jī)集合的形式加以描述，然后在貝葉斯框架下，利用粒子濾波算法，即一組帶權(quán)值的粒子逼近目標(biāo)的概率假設(shè)密度(Probability Hypothesis Density),PHD

9、即目標(biāo)狀態(tài)后驗(yàn)密度的一階矩，實(shí)現(xiàn)對(duì)目標(biāo)狀態(tài)和目標(biāo)數(shù)的估計(jì)。而由于在視頻中對(duì)人體跟蹤時(shí)需得知各個(gè)人體所對(duì)應(yīng)的運(yùn)動(dòng)航跡，因而本文將顏色直方圖作為觀測(cè)，在概率假設(shè)密度的粒子濾波實(shí)現(xiàn)的算法框架中加入了數(shù)據(jù)關(guān)聯(lián)的思想，將估計(jì)值與跟蹤目標(biāo)進(jìn)行關(guān)聯(lián)，得到各個(gè)目標(biāo)人體的運(yùn)動(dòng)航跡，判斷目標(biāo)在場(chǎng)景中的出現(xiàn)和消失情況。該算法不僅能有效處理跟蹤期間目標(biāo)數(shù)的變化情況，同時(shí)還可以獲得每個(gè)目標(biāo)的運(yùn)動(dòng)狀態(tài)，克服了當(dāng)前多目標(biāo)跟蹤算法只能處理目標(biāo)數(shù)不變時(shí)的情況，或能處理目