论文部分内容阅读
基于视频流的运动人体检测是计算机视觉和模式识别领域的一个研究热点。由于现实场景复杂多变等原因，运动人体的有效检测一直存在较大难点。本文主要工作包括： (1)提出一种基于三帧差分和滑动平均背景(滑动平均法)相结合的运动目标检测算法。针对传统三帧差分法在前景提取中容易出现“空洞”现象，采用逻辑“或”代替原来的逻辑“与”进行改进，但同时产生了运动目标被拉长，轮廓模糊等问题。对滑动平均法作改进使其能够自适应调整滑动平均系数并和改进三帧差分进行结合，不仅较好解决了该问题，同时较好实现了二者优缺点互补。 (2)为排除运动目标中非人体部分，设计了人体分类器。利用HOG特征进行人体表征，并使用SVM对特征进行机器学习训练。由于HOG特征的维度相对较高，本文使用PCA对高维特征进行降维，寻找较优维度，在保证识别率的同时能加快检测速度。 (3)构建了一个基于视频流的运动人体检测实验系统，结果表明，上述算法在运动人体检测实时性和准确性方面表现良好，具有较高的检测精度。