視頻圖像中人體目標的檢測方法研究.pdf

1、本文主要研究了基于計算機視覺技術(shù)的視頻智能監(jiān)控系統(tǒng)中的關(guān)鍵技術(shù)，該系統(tǒng)一般由人體目標的檢測、行為理解和高層語義輸出三個層次，其中人體目標的檢測是后面兩個模塊的基礎(chǔ)，也是本文的選題所在。本文主要在以下三個方面進行了探索和研究，提出了新的改進方法，并通過實驗證明了新方法的有效性。主要研究工作如下： (1)視頻濾波方面：根據(jù)視頻圖像中脈沖噪聲的特點，利用脈沖耦合神經(jīng)網(wǎng)絡(luò)(PCNN)的簡化模型作為分類器，將圖像中的像素分為未被噪聲污染的

2、點和污染點兩類，對污染點像素再用中值濾波器進行去噪。仿真試驗比較，表明本文算法比傳統(tǒng)中值濾波算法在能濾除噪聲的條件下，還可以更好地保護圖像的邊界紋理細節(jié)。 (2)作為人體目檢測方法，無論在人體與背景有無相對運動的情況下都應(yīng)有效。對背景建模的分割方法只能檢測到背景中有運動變化的人體目標，在該情況下本文提出了兩種改進算法。 ①針對背景建模中的常見問題，根據(jù)混合高斯模型對背景進行建模，可較好適應(yīng)緩慢變化(光照緩慢變化、搖擺的樹

3、葉等)的背景，并在混合高斯模型下對背景區(qū)域進行分割，達到檢測人體目標的目的。但在光照突變的條件下，該方法檢測效果差，本文在此基礎(chǔ)上進行了改進，首先提出了一種檢測光照突變的簡單方法，對光照突變的幀結(jié)合像素的空間紋理穩(wěn)定的特征，進行二次分割。試驗結(jié)果表明該改進算法提高了傳統(tǒng)混合高斯模型分割方法的魯棒性。 ②很多算法在檢測前景人體目標時，分割出的圖像內(nèi)有較大的空洞，目標圖像很不完整，無法用傳統(tǒng)的形態(tài)濾波方法進行修復(fù)。本文提出了一種基于

4、前景人體目標幀內(nèi)區(qū)域鄰域相關(guān)性和背景區(qū)域幀間連續(xù)性的分割方法。首先以文獻[11]的方法為例進行初分割，文中分析了該方法的原理和缺點，以及檢測人體目標出現(xiàn)空洞的原因。作為改進算法，本文利用相關(guān)系數(shù)計算前景區(qū)域某一像素幀內(nèi)空間鄰域像素間的相似度，同時計算其幀間像素問的相關(guān)性來進行二次分割，可較好地修復(fù)初分割的前景人體區(qū)域，得到較為完整的人體圖像。 (3)前兩種方法只能檢測到背景中有運動變化的人體目標，有一定的局限性。本文進行了基于人