基于主动轮廓模型的视频人体检测与跟踪-信号与信息处理专业论文.docxVIP

万方数据 万方数据 西华大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外， 本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请 学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献 均已在论文中做了明确的说明并表示了谢意。 若有不实之处，本人愿意承担相关法律责任。 学位论文作者签名： 指导教师签名： 日期： 日期 西华大学学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，在校 攻读学位期间论文工作的知识产权属于西华大学，同意学校保留并向国家 有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借阅，西 华大学可以将本论文的全部或部分内容编入有关数据库进行检索，可以采 用影印、缩印或扫描等复印手段保存和汇编本学位论文。(保密的论文在解 密后遵守此规定) 学位论文作者签名： 指导教师签名： 日期： 日期 西华 西华大学硕士学位论文 万方数据 万方数据 摘 要 人体的运动与跟踪技术是近年来计算机视觉研究领域的重要课题之一。该技术在智 能视频监控方面有着重要的应用价值。在常见的人体目标检测与跟踪方法的基础上将跟 踪过程分为：图像预处理、分割出运动目标前景区域、人体目标定位和人体目标跟踪。 主动轮廓模型将数字图像处理中分割或提取问题的初始估计、图像数据及基于先验 知 识 的 约 束 等 方 面 融 为 一 体 进 行 解 决 ， 打 破 了 信 息 传 递 方 向 的 局 限 性 。 在 基 于 GVF-Snake 模型完成跟踪任务的过程中，对初始轮廓线选取、计算 GVF 时间耗费大以 及跟踪不稳定的问题提出了有效地解决方法。在人体目标的跟踪过程中，人体的运动方 向以及速度是不可知的，当目标的运动速度较快，使用 GVF-Snake 模型跟踪容易跟不上 目标位置的变化速度，导致目标丢失。而且 GVF-Snake 模型对其初始轮廓线的设置位置 敏感，如若轮廓线距离目标的边界较远，轮廓线容易被背景边缘所吸引，容易丢失目标。 针对 GVF-Snake 模型不能自动获取初始轮廓线的问题，提出了一种通过检测方法来 自动稳定地获取初始轮廓线的方法。为了得到比较精确初始轮廓线，就需要使检测得到 的目标的边缘信息足够完整。通过比较目标检测的三种经典方法的优缺点，提出了基于 改进背景差分与三帧差分法结合的自适应差分算法。算法实现了对包含运动人体目标的 前景区域的稳定检测，然后将得到的前景区域进行去噪、定位处理，得到人体目标；然 后对目标的轮廓进行提取并离散化；最终得到我们需要的 GVF-Snake 模型的初始轮廓 线。 另外为了解决 GVF-Snake 模型在目标运动速度过快时容易丢失目标的问题，本文引 入卡尔曼滤波将 GVF-Snake 收敛得到的目标质心点作为人体目标的运动特征，预测其运 动轨迹。卡尔曼滤波的当前估计值是根据当前帧的测量值与上一帧的估计值得到的，包 含了之前时刻的目标运动信息，降低跟丢目标的可能性。采用卡尔曼滤波与 GVF-Snake 结合的方法将促使初始轮廓更加靠近目标实际轮廓。针对 GVF-Snake 计算全局梯度矢量 流场的速度较慢，还提出使用分划子区域方法计算 GVF 以提高算法实时性。 最后对本文中的检测与跟踪算法进行仿真实验：1、在摄像头有晃动，背景产生较 大面积干扰时，将自适应差分法与背景差分法做对比实验。实验结果显示，自适应差分 法依然能稳定地检测到目标。2、将使用帧差法与 GVF-Snake 结合的跟踪算法与本文提 出的算法做对比实验。单独使用帧差法提取的目标信息量少干扰大，提取的初始轮廓线 质量较低。且没有经过卡尔曼滤波对质心点的预测以及子区域的限制，轮廓线会渐渐远 离目标边界。实验结果显示，本文算法能使轮廓线尽可能的靠近真实边缘，取得了很好 的跟踪效果，且实时性较前一种方法好。 I 西华 西华大学硕士学位论文格式规范 关键词：人体跟踪；GVF-Snake 模型； 自适应差分法；卡尔曼滤波；子区域 II 西华 西华大学硕士学位论文 Abstract The human-oriented motion tracking technology which has been used widely in intelligent video surveillance field is one of the important topcis in recent years. The process of tracking based on common human target detection and tracking method is divi