人體運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤關(guān)系問(wèn)題研究.pdf

1、人體運(yùn)動(dòng)分析是當(dāng)代計(jì)算機(jī)視覺(jué)和生物學(xué)相結(jié)合的一項(xiàng)重要技術(shù)，在軍事國(guó)防、視頻監(jiān)控、人機(jī)交互、醫(yī)療診斷以及商業(yè)等領(lǐng)域均有廣泛的應(yīng)用。目前，國(guó)內(nèi)外學(xué)者對(duì)該領(lǐng)域做了大量的研究，并取得了一些成果。但由于人體形態(tài)及運(yùn)動(dòng)的復(fù)雜性，人體運(yùn)動(dòng)目標(biāo)分析在理論和應(yīng)用上仍面臨著很多難題，本文在前人已有成果的基礎(chǔ)上，重點(diǎn)對(duì)人體運(yùn)動(dòng)檢測(cè)過(guò)程中背景建模、運(yùn)動(dòng)目標(biāo)提取以及人體運(yùn)動(dòng)目標(biāo)自動(dòng)化跟蹤過(guò)程模板的更新、軌跡預(yù)測(cè)等關(guān)鍵問(wèn)題展開(kāi)進(jìn)一步研究。
　　 在人體運(yùn)動(dòng)

2、目標(biāo)檢測(cè)方面，通過(guò)比較分析各種人體檢測(cè)算法，在背景建模過(guò)程中引入邊緣檢測(cè)、灰度相關(guān)性計(jì)算以及圖像分塊處理技術(shù)，對(duì)surrendra背景建模方法進(jìn)行改進(jìn);在目標(biāo)提取過(guò)程中選用自適應(yīng)迭代閾值法、形態(tài)學(xué)處理、連通性分析相關(guān)技術(shù)優(yōu)化提取結(jié)果。實(shí)驗(yàn)結(jié)果表明改進(jìn)的算法將相鄰的多個(gè)像素進(jìn)行整體處理，消除因單個(gè)像素?cái)_動(dòng)而產(chǎn)生的誤檢，有效克服光照變化的影響，實(shí)時(shí)性和準(zhǔn)確性較高。
　　 在人體運(yùn)動(dòng)目標(biāo)跟蹤方面，對(duì)Mean-shift算法在人體運(yùn)動(dòng)目

3、標(biāo)跟蹤中的不足進(jìn)行了改進(jìn)，提出一種融合模板加權(quán)更新和最小二乘預(yù)測(cè)的自動(dòng)化Mean-shift搜索的運(yùn)動(dòng)目標(biāo)跟蹤新方法。利用人體目標(biāo)檢測(cè)信息初始化Mean-shift參數(shù)，實(shí)現(xiàn)自動(dòng)化跟蹤;通過(guò)引入最小二乘線性預(yù)測(cè)與曲線預(yù)測(cè)相結(jié)合的方法有效的解決定位偏差和目標(biāo)遮擋的問(wèn)題;利用模板加權(quán)更新算法使Mean-shift算法在穩(wěn)定性方面得到了改進(jìn);最后根據(jù)跟蹤得到的質(zhì)心位置，記錄人體目標(biāo)運(yùn)行軌跡。實(shí)驗(yàn)表明，本算法實(shí)現(xiàn)了人體目標(biāo)的自動(dòng)化跟蹤，增強(qiáng)了M