基于统计模型遗传粒子滤波器人体运动跟踪.docVIP

基于统计模型遗传粒子滤波器人体运动跟踪 　　摘要： 提出了一种基于统计模型的遗传粒子滤波器人体运动跟踪算法。引入局域二值模式（LBP）算子提取纹理特征，利用颜色直方图与纹理直方图相似度的加权和表示目标相似度，以有效解决自遮挡对跟踪的影响。利用该统计模型精确表示运动人体轮廓，目标形状可由一可变形状参数确定；采用遗传粒子滤波器作为跟踪算法以提高粒子滤波器的鲁棒性和精度。通过预测更新可变形状参数，再利用统计模型中目标形状与形状可变参数的关系得到图像序列各帧中人体轮廓，有效降低了计算量，从而达到快速而准确的跟踪目的。最后用上述方法进行了实验，验证了该方法的实用性和有效性。 　　关键词：统计模型； 局域二值模式； 遗传粒子滤波器； 人体运动跟踪； Bhattacharyya距离 　　中图分类号：O235文献标志码：A 　　文章编号：1001－3695(2008)04－1090－03 　　 　　人运动的视觉分析[1]是计算机视觉领域的重要课题之一，也是近年来备受研究者关注的前沿方向。该课题在虚拟现实、智能监控、感知接口和运动分析等方面具有广阔的应用前景。现有的运动跟踪方法一般都通过引入一定的约束条件来指导特征跟踪，主要包括基于模型的跟踪方法和无模型的跟踪方法。在基于模型的跟踪方法中，常见的模型有线图模型（stick figure model）、二维轮廓模型（2－D contour model）和立体模型（volumetric model）。线图模型将身体的各个部分以直线来近似，将人体的运动看成是人体骨架的运动。二维轮廓模型的使用直接与人体在图像中的投影有关。立体模型主要利用广义锥台、椭圆柱、球等三维模型来描述人体的细节结构，因此要求更多的计算参数和匹配过程中更大的计算量。?? 　　本文提出一种基于统计模型的遗传粒子滤波器人体运动跟踪方法。为解决自遮挡对跟踪的影响，提出一种目标相似度表示方法，由纹理直方图和颜色直方图相似度的加权和表示。在该统计模型中，目标的形状可由样本集的平均形状向量和一个可变形状参数通过一定的运算得到，因此，通过粒子滤波器预测更新该形状参数，再通过简单运算即可得到跟踪目标的轮廓，由此实现快速有效的跟踪。本文中并不直接采用目标的形状向量作为状态模型，而是采用该可变形状参数作为状态模型，这一点是由跟踪的实时快速性决定的，因为形状向量较之可变形状参数维数要高，不利于实时跟踪。?? 　　 　　1人体运动跟踪模型?? 　　 　　1．1统计模型及其获取?? 　　为建立统计模型，给定一组??标有n个特征点的M幅人体运动图像作为训练数据。特征点可以标记在人体的外部轮廓和边缘。将标记的n个点写成向量形式，记为X=(x1,y1,x2,y2,…,xk,yk,…,xn,yn)????T??。其中：(xk,yk)是第k个点的坐标。图1显示了由40个特征点标定的一幅人体轮廓图像。?? 　　统计模型的获取过程如下：首先对训练样本集中（包含M个训练样本）这些形状进行校准。校准是指以某个形状为基准，对其他形状进行旋转、缩放和平移，使其与基准形状接近。然后对校准后的数据进行主成分分析[2]??（principal component analysis）。其过程如下：?? 　　 　　4结束语?? 　　 　　为了验证本文所述方法的效果，对实际拍摄的一段图像序列进行了人体运动跟踪实验。实验平台是Intel P4 1．7 GHz CPU的微机。在室内不同背景下用摄像头拍摄跟踪不同的人，分辨率是320×240，共300帧。?? 　　实验中，图像序列的第一帧中跟踪目标由统计模型中????来表示。本文中统计模型特征点个数选为40，训练集中样本数为50，粒子滤波器中粒子数取为160，??σ??取为0．25，再采样阶段的阈值??Th??为100。通过大量实验，取相似度计算式（8）中??λ??值为0．55，图4为部分实验结果。?? 　　实验结果表明，本算法在序列图像中全部跟踪成功。由于采用了粒子滤波器作为核心的跟踪算法，使得处理速度可达20 fps，基本上可满足实时跟踪需要。?? 　　本文提出了一种基于统计模型的遗传粒子滤波器人体运动跟踪算法。由于人体为一形变物体，而运动跟踪与识别势必需要测量人体运动速度，传统的用于跟踪的椭圆或矩形模型在此不太可取。为此提出可以较精确表示人体的统计模型。为有效解决遮挡对跟踪的影响，综合考虑颜色和纹理特征，再结合粒子滤波器进行跟踪，达到了比较好的效果。下一步的研究重点将放在如何在图像中自动提取统计模型各特征点以及如何改进跟踪算法以提高算法的速度与精度等。 　　 　　参考文献： 　　[1]GAVRILA D. The visual analysis of human movement: a surv