论文部分内容阅读
运动人体的检测与跟踪是计算机视觉研究的一个重要领域,是对人体进行行为分析和理解的基础,其相关技术被广泛应用到人类的各个领域中。行人检测与跟踪主要有静止背景与运动背景的两种视频序列,本文研究的是基于静止单摄像机的行人运动跟踪。在进行跟踪之前,需要对视频图像中感兴趣的运动物体进行目标检测分割,然后是图像的后处理与特征识别等研究内容,内容主要归纳为以下几点:首先简绍了目标跟踪技术的发展状况,简要分析几种较成熟的目标运动检测方法,然后比较不同方法的适用场合与范畴。在背景减除法的基础上,针对自然场景多样复杂性的问题,本文全面分析了不同高斯模型建模算法在行人目标检测的优缺点。对于更新速度慢、收敛性差的缺陷,研究了自适应学习速率的混合高斯背景模型算法,通过该算法来进行目标检测。当视频中的所有运动目标被检测出来后,通过各种图像处理技术完整地提取出本文所研究的运功目标,然后利用区别于其他物体的特征来识别行人目标。本文首先利用数学形态学分析,消除特定的噪声;然后采用连通区域技术填补二值图像中的空洞。结合人眼对颜色信息分辨能力的特点,即彩色信息比亮度信息低的差异,把RGB空间表示的彩色图像变换到亮度信息好的HSV颜色空间,通过实验把分割目标存在的阴影进行抑制和消除,最后利用行人的本身特征来识别所要的目标。行人目标跟踪方面,首先分析了传统Kalman滤波在目标跟踪领域的现状,针对Kalman滤波的适用范围,讨论了扩展Kalman滤波算法在快速目标跟踪的可行性。然后重点介绍了粒子滤波器在跟踪方面的原理和应用,对于粒子滤波算法存在的粒子退化问题,融合了迭代无迹Kalman滤波与粒子滤波目标跟踪算法对行人进行跟踪处理,丰富了本文对已知视频跟踪信息的使用,同时增强了不同场景下行人目标跟踪的快速性和鲁棒性。