医学步态分析中的复杂场景下运动目标检测技术-CORE.PDFVIP

课题论著 Projecrt Thesis 医学步态分析中的复杂 场景下运动目标检测技术 ① ② ① 苏松志 王丽 李绍滋 关键词 医学步态分析 运动目标检测 贝叶斯决策 摘要 针对医学步态分析中的复杂场景下运动目标检测问题，提出了基于贝叶斯决策规则的方法。该方法由变化检测、变化 分类、前景目标提取和背景更新四部分组成。变化检测采用自适应阈值法来二值化变化点和非变化点，变化分类基于颜色共 生特征向量，采用贝叶斯规则进行决策，前景对象的提取融合了时间差分法和减背景法。针对复杂场景中背景的 “渐变”和 “突变”情况，提出了不同的背景更新策略。实验表明，该方法在包含有摇动的树枝，或者灯的开关等复杂背景中能准确地 提取运动目标，因此可用在医学步态分析的研究中。 Medicine. -2007, 2 (10): 28 to 31 Keywords Abstract analysis. Corresponding author Province, P.R.C Project supported byKey Scinetific Project of Fujian Province（2006H0037） # ① 厦门大学信息科学与技术学院计算机科学系，361005，厦门大学海韵园科研2420 ② 山东大学控制科学与工程学院， 250061，济南市经十路73号 基金项目：福建省科技重点项目资助 （项目编号：2006H0037） 28 28 中国数字医学 第2卷第10期 中国数字医学 第2卷第10期 1 前言 [5] （Temporal Difference） 进行变化检测。然后，将检测结果 医学步态分析可以帮助临床医生进行疾病或康复进程 输入到变化分类器中，通过贝叶斯决策规则判断当前的变 评定，为临床提供准确科学的诊断和评价手段。但是目前的 化点是背景点还是前景点。其次，提取前景目标，更新背景 医学步态分析一般要求测试者在身体的关节处贴上标记， 图像。各部分的结构关系如图1所示。 需要其他的辅助手段才能完成。而一个自动化的无需在关 节处贴上标记的，并且能在不同的环境中工作的医学步态 分析系统的第一步就是要进行运动目标的检测。然而，由于 光照变化 （灯的开关、天气变化、背景物体自身的阴影等）、 背景扰动 （摄像机的抖动、摇动的树枝、喷泉等）等给运动 目标的检测带来了极大的挑战。 [1] 目前常用的运动目标检测方法是减背景法 。减背景法 的关键是背景模型的建立和更新，研究思路主要在于开发 图1 运动目标检测的总体结构 不同的背景模型，其中混合高斯模型 （MOG，Mixture of [2] 3 变化检测 Gaussians） 是效果较好的一种。混合高斯模型是将每个 像素按照多个高斯混合建模，该模型的参数可以自适应更 时间差分法是利用视频序列中当前两帧或当前帧与某 新。Friedman利用3个高斯分布对交通监控场景中的道路， 一帧的差分来提取图像中的变化区域。该方法具有较强的 [3] 场景变化适应能力，背景不随时间积累，更新速度快。文中 阴影和车辆的像素分别进行建模。文献 利用自适应的混合 高斯模型可靠地处理了光照变化、树叶摇动等影响。其它的 我们的变化检测方法如下： [4] step1：将t时刻的视频帧和t-1时刻的视频帧相减得到 背景建模方法如 ，运用维纳滤波器预测每个背景像素的颜