基于服装(颜色)的视频监控课件展示.ppt

基于服装(颜色)的视频监控目标人体识别 报 告 人： 郭立君 日 期： 2008年2月 内容 背景介绍 基于视频的人体检测技术 颜色不变特征 目标人体检测框架 帧间差分和背景差分相结合运动目标检测 颜色不变矩特征 实验 基于视频的人体检测技术 背景减除 时域差分 光流特征 基于视频的人体检测技术 运动描述子 基于视频的人体检测技术 多帧图象的运动分析 基于视频的人体检测技术 其它方法 颜色不变特征 颜色直方图 颜色矩 颜色不变特征 颜色相关图 目标人体检测框架 基于帧差与背景差分的运动区域检测 检测方法: 基于帧差与背景差分的运动区域检测 背景模型: 基于帧差与背景差分的运动区域检测 基于帧差与背景差分的运动区域检测 运动目标检测: 基于帧差与背景差分的运动区域检测 背景更新: 颜色不变矩特征 颜色不变矩 颜色不变矩特征 颜色投影 颜色不变矩特征 颜色相似度度量 颜色不变矩特征 颜色相似度度量 实验 实验1 实验 实验2 * * 通过Haar小波和时空差分的块平均作为图象的运动特征，再结合一个有效的否定级连分类器 . Paper: P. Viola, M. J. Jones, and D. Snow. Detecting pedestrians using patterns of motion and appearance.In Proceedings of the 9th International Conference on Computer Vision, Nice, France,volume 1, pages 734–741, 2003. Shashua等则采用了一个相对简单的方法。首先扫描单帧图象的侯选区域并据此对该帧分类。最终结果通过多帧图象在运动分析、跟踪检测以及步态模式的一致程度来决定。 Paper: A. Shashua, Y. Gdalyahu, and G. Hayun. Pedestrian detection for driving assistance systems: Single-frame classification and system level performance. In International Symposium on Intelligent Vehicles, pages 1–6, 2004. 基于SVM的复杂背景下人体检测 立体视觉 变形模板 多信息融合 SAM? 颜色相关图（color correlogram）是图像颜色分布的另一种表达方式.不但刻画了某一种颜色的像素数量占整个图像的比例，还反映了不同颜色对之间的空间相关性。 其中 i, j ∈ {1, 2, …, N}，k∈ {1, 2, …, d}，| p1 – p2 | 表示像素p1和p2之间的距离。颜色相关图可以看作是一张用颜色对i, j索引的表，其中i, j的第k个分量表示颜色为c(i)的像素和颜色为c(j)的像素之间的距离等于k的概率。 输入目标图象 输入视频搜索图象 目标图象颜色 不变特征提取 基于帧差与背景差分的运动区域检测 搜索区域颜色 不变特征提取 颜色不变特征相似性度量 输出检测结果 基于颜色不变特征的视频中目标人体检测过程 Y 相邻两帧差 背景点? 与背景帧差差 运动物体? 后续处理 背景模型 更新背景 Y N N 收入背景 输入相邻两帧图象 用第一帧中该像素点的V 值作为μ ( i , j) , 而将标准方差σ ( i , j)设为0 区域变化的检测: if| f k ( i , j) - f k + 1 ( i , j) | T 　B1 ( i , j) = f k + 1 ( i , j) if| f k ( i , j) - f k + 1 ( i , j) | ≥T 　M1 ( i , j) = f k + 1 ( i , j) T = TV +1/N*Σ| f k ( i , j) - f k + 1 ( i , j) | TV 为灰度阈值, 添加项1/N*Σ| f k ( i , j) - f k + 1 ( i , j) |表示整体光线的变化. d( i , j , t) = | x ( i , j , t) - μ( i , j) | if 　d ( i , j , t) ≤σ ( i , j) 为显露区, 记为B2 ( i , j) else 为运动物体, 记为M ( i , j) 将区域B1 ( i , j) 中的点用下述的规则来进行背景更新。 μt + 1 = (1 - α1 ) *μt +α1* x σ2 = (1 - α1 ) *σ2 +α1* d( i , j , t) 2 将区域B2 ( i