论文部分内容阅读
人体行为视觉识别是近年来计算机视觉领域中倍受关注的前沿方向，而人体目标分割技术在人体行为视觉分析研究中，又是首要的问题。目标分割结果对目标的识别和行为理解起着至关重要的作用。对于人体目标分割的研究不仅可以使人体行为识别研究工作突破其使用环境的“瓶颈”，其研究成果还可以应用到如视频检索、视频压缩等其它需要进行人体运动目标分割的领域。 基于视觉的人体行为识别是从单个或多个视频序列中检测、跟踪人体，获取人体运动数据，重建人体的三维运动或描述和理解人体运动。视觉人体行为分析在视频监控、体育运动分析、动画、游戏、虚拟现实和人机交互、辅助临床医疗诊断等领域均有着广阔的应用前景。 目前关于此方面的研究已经实现了在演播室或简单环境下的3D重建和行为理解。而对于在复杂环境中应用则多借助于特殊的成像手段检测和跟踪多个人及他们的四肢，并处理一些遮挡情况。目前多数人体行为识别研究中，由于缺乏对复杂环境下人体目标分割的有效手段和方法，大多对分割问题进行了回避。 另外，由于当前的运动人体目标分割算法多数是依据特定环境、具体任务而设计的，当人体目标在位置或姿态或环境发生变化时，算法不能够做到自适应处理。 本论文的目的是对复杂环境中人体目标分割相关技术进行研究。所谓复杂环境包括：(1)背景变化的复杂，如天气变化、光照变化、背景的变化等等；(2)多人体目标和运动目标相互遮挡；(3)人体自身投射阴影干扰等。本文并不涉及人体识别问题的研究。基于上述目的，本论文主要完成了如下工作： 基于场景变化分析的自适应背景更新方法：提出了衍生背景的概念，将背景划分成原始背景和衍生背景，有效地解决了背景中由于运动目标停止而演变为背景及从静止状态重新变为运动目标情况下的背景更新问题。本文提出了场景分析的方法，可针对背景变化产生的不同原因采用不同的更新策略，并提出了一种更新率自适应调整的滑动平均背景更新算法。针对进行帧差运动目标检测中经常遇到的区域内含有空洞的问题提出了一种基于背景的扫描式种子填充算法，可快速