基于步態(tài)識(shí)別的人體目標(biāo)檢測(cè)與跟蹤.pdf

1、隨著計(jì)算機(jī)技術(shù)的發(fā)展，智能視頻監(jiān)控技術(shù)在民用、軍事、航空、醫(yī)療和人機(jī)交互等眾多領(lǐng)域，都有廣泛的應(yīng)用，其重要性也越來(lái)越凸顯。運(yùn)動(dòng)目標(biāo)的跟蹤是計(jì)算機(jī)視覺領(lǐng)域的一個(gè)重要分支，目前，基于視頻的目標(biāo)跟蹤技術(shù)幫助人們解決了很多問題，但是仍然存在一些不足，提升視頻監(jiān)控的檢測(cè)效果和跟蹤效率，是一個(gè)很重要、很值得研究的課題。步態(tài)識(shí)別作為一種遠(yuǎn)距離身份判別方式，具有非侵犯性、難以隱藏和難以偽裝的特性，鑒于此，將步態(tài)識(shí)別技術(shù)引入到目標(biāo)跟蹤中，實(shí)現(xiàn)身份識(shí)別，然

2、后進(jìn)行定位跟蹤，在安防、刑事破案等領(lǐng)域具有重要應(yīng)用和意義。
　　本文針對(duì)攝像機(jī)固定情況下錄制的視頻，首先對(duì)感興趣目標(biāo)區(qū)域進(jìn)行檢測(cè)，然后通過提取目標(biāo)的步態(tài)特征進(jìn)行身份識(shí)別，最后選定目標(biāo)實(shí)現(xiàn)跟蹤。論文工作涉及到了目標(biāo)的檢測(cè)、人體步態(tài)識(shí)別和目標(biāo)跟蹤三個(gè)主要部分。論文的主要工作包括以下幾部分:
　　(1)在目標(biāo)檢測(cè)方面，研究了多種經(jīng)典的目標(biāo)檢測(cè)算法，進(jìn)行了實(shí)驗(yàn)比較分析，綜合這幾種方法的優(yōu)缺點(diǎn)，在Vibe算法的基礎(chǔ)上進(jìn)行改進(jìn)，結(jié)合人體

3、體型特征提出了一種PVibe(Proportion Vibe)算法，對(duì)人體目標(biāo)進(jìn)行檢測(cè)。在簡(jiǎn)單環(huán)境和復(fù)雜環(huán)境中進(jìn)行人體目標(biāo)檢測(cè)實(shí)驗(yàn)對(duì)比，實(shí)驗(yàn)結(jié)果表明，該算法與其他檢測(cè)算法相比，對(duì)于動(dòng)態(tài)的環(huán)境具有較好的適應(yīng)能力，能夠很好的提取運(yùn)動(dòng)目標(biāo)輪廓，區(qū)分人體目標(biāo)與非人體目標(biāo)，具有較好的檢測(cè)效果。
　　(2)在步態(tài)識(shí)別方面，使用目標(biāo)檢測(cè)分割算法從步態(tài)序列中得到步態(tài)剪影，提取人體輪廓，將質(zhì)心到輪廓邊緣各像素點(diǎn)之間的距離作為步態(tài)特征。利用BP神經(jīng)網(wǎng)

4、絡(luò)分類算法對(duì)步態(tài)樣本中各序列的特征數(shù)據(jù)進(jìn)行訓(xùn)練識(shí)別，從人體步態(tài)的不同角度進(jìn)行實(shí)驗(yàn)對(duì)比，最高識(shí)別率可達(dá)到88.33％。該算法與常用的最近鄰分類識(shí)別算法相比，識(shí)別率明顯提高，證明了算法的高效性。
　　(3)目標(biāo)跟蹤方面，在對(duì)目標(biāo)進(jìn)行了步態(tài)識(shí)別的基礎(chǔ)上，選定目標(biāo)，確定感興趣區(qū)域，并進(jìn)行跟蹤。研究了幾種主流的跟蹤算法，本文在研究和分析了光流跟蹤算法的優(yōu)點(diǎn)和不足的基礎(chǔ)上，結(jié)合運(yùn)動(dòng)矢量估計(jì)提出一種金字塔LK-MVE(LK-Motion vec