基于GMM-Detection算法的自动获取目标跟踪.doc

一种实时人体检测与跟踪算法 毛家顺1 ，张汝波1 ，杨大伟1 MAO Jiashun1 ,ZHANG Rubo1 ,YANG Dawei1 大连民族大学 机电工程学院，辽宁 大连 116600 College of mechanical and electrical engineering,Dalian National University,Dalian,Liaoning 116600,China MAO Jiashun,ZHANG Rubo ,YANG Dawei.Real-time human detection and tracking algorithm Abstract：n this paper,we propose a new human detection algorithm.firstly, the algorithm uses background subtraction and edge detection to obtain complete contour of the moving object from image sequence, then discriminate this object according to the contour region features. This algorithm can adapt to the change of the object’s rotation, scale, affine, etc. In order to improve the real-time performance of tracking algorithm, the object trajectory prediction is introduced into the TLD tracking frame, the detector firstly searches the predicted position within the neighborhood to simplify search space. Experimental results show that the proposed human detection algorithm can automatically detect human object, compared with the original TLD algorithm, the improved TLD algorithm can reduce the computational complexity in the case of constant accuracy and track in real-time under static and dynamic background. Key words：ackground subtraction; human detection; edge detection; calman filter; TLD 摘要关键词 图1.1 自动检测人体目标 2.1 运动目标分割 在一个跟踪系统中，不论是动态背景还是静态背景，在目标刚开始运动的连续几帧图像都可当做静态背景处理.本文首先使用GMM获得前景目标，然后在图中找到所有轮廓，由于背景的干扰，仅寻找那些满足一定面积和高宽比的轮廓（根据实验统计人体宽高比大概是0.4左右），根据上下文位置关系过滤掉不相邻区域的轮廓，所有剩下的轮廓则为可能的人体轮廓，实验中结果如图1.2所示. 图1.2 GMM处理后的目标轮廓 2.2 获得完整轮廓 从图1.2看到目标轮廓并不完整，因此需要对该区域重新做边缘检测.首先使用中值滤波、开闭操作去掉噪声，再使用Canny算子进行边缘检测，图1.2对应处理结果如图1.3所示. 图1.3 获得完整轮廓 3.3 计算目标轮廓特征 由于人体与非人体轮廓特征差异较大且不易光照和背景干扰，本文使用目标轮廓特征进行判断，而不规则轮廓特征匹配有很多，常见诸如：链码直方图、成对几何直方图、基于hausdorff距离形状匹配、基于区域特征的形状匹配.其中基于HU不变矩的匹配是一种基于区域特征的匹配方法，其应用最广. 在离散状态下，二维函数的阶矩和中心矩表达如下： (1) (2) 其中 HU根据二阶和三阶中心距的非线性组合，构成了7个不变表达式，在实际场景中，为