计算机视频处理技术的运动姿态自动识别研究.docxVIP

? ? 计算机视频处理技术的运动姿态自动识别研究 ? ? 吴先武，秦 菲 （贵州师范大学，贵州 贵阳 550001） 0 引 言 视频运动对象实时检测与识别是数字图像处理技术中的一个重要课题，在实际的生活和工作中有着广泛的应用，尤其是在计算机视觉、机器导航以及目标识别等领域。视频运动姿态的识别涉及到图像处理与图像分析等多个方面的技术，因此要想得到较为精准的识别结果需要经过精密的计算，并实现各个技术的协同工作模式[1]。一般来讲，视频运动姿态自动识别方法的实现可以大体分为运动目标检测、运动目标跟踪以及运动姿态识别三个步骤，传统人体运动姿态识别的主要特点是在提取特征时，以人工观察和设计的提取方式为主，这种特征提取方式存在较大的人为误差，得出的识别正确率无法达到实际工作的应用需求。伴随着特征提取方法的更新，结合视频序列信息分布的直方图特征，能够在传统方法的基础上更好地实现对运动姿态的分类。 运动姿态视频识别主要是针对包含运动目标在内的视频图像进行分析，国内外在大量的研究与实践下得出了较为成熟的实验结果，具体包括基于不变矩特征优化的运动姿态识别方法、基于传感器信息融合的姿态识别方法以及基于多神经网络融合的姿态识别方法。在国内外的研究成果中，主要以运动视频为初始对象，通过对视频图像的处理与分析，从而得出有关于运动姿态的识别结果。然而受到初始硬件采集设备精度的影响，导致初始运动视频的清晰度降低，在视频处理能力的限制下，最终得出的识别结果存在较大的识别误差，从而降低识别方法的应用价值[2]。 为了解决上述传统运动姿态自动识别方法中存在的问题，引入计算机视频处理技术。计算机视频处理技术其实是对初始图像进行优化处理的一种方式，其目的是提高初始图像的清晰度和分辨率，从而为后续工作提供质量更高的初始数据。计算机视频处理技术分为视频编码、图像滤波等一系列操作，将其应用到运动姿态自动识别方法的设计工作中，可以有效地降低识别误差，提升识别方法的应用价值。 1 基于计算机视频处理技术的运动姿态自动识别方法 此次运动姿态自动识别方法的优化设计目的是，解决传统识别方法中存在的识别误差大的问题，因此在传统方法的基础上应用计算机视频处理技术，并对识别方法的运行流程进行重新编辑。优化运动姿态自动识别方法的基本实现流程如图1 所示。为了实现优化识别方法的设计目标，对运动视频的处理、人体运动检测以及运动跟踪等部分进行具体设计与研究。 图1 运动姿态自动识别流程图 1.1 设置运动姿态识别标准 在此次运动姿态的识别工作中，主要以人体的关节作为识别目标，因此可以关节节点为对象建立对应的人体结构模型，如图2 所示。 人在站立状态下，其基本的位置结构与图2 中的模型结构基本相同，但会受到身高和体型的不同而存在一定的变化。而在行走、奔跑、坐下、蹲下等姿态，会呈现出不同的位置组合，这也就是人体姿态自动识别的基本原理[3]。例如，在人体行走姿态下，左右大臂骨骼与胸腔骨骼之间会出现一定的夹角，而左右大腿骨骼会与骨盆骨骼之间也会出现一定的角度，根据这一特征就可以实现对人体姿态的实时自动识别。鉴于上述理论，可以将所有的人体姿态对应的关节和骨骼位置以特征向量的形式存储，并以此作为姿态自动识别的对比标准。 图2 人体结构模型图 1.2 捕获运动视频数据 运动视频数据的捕获原理是通过视频摄像头获取视频信号，接着采用模数转换芯片将模拟视频信号转换成数字视频信号，并选择合适的主处理器完成对视频信号的缓存、格式的变换以及视频帧的合成。在此次人体姿态的自动识别方法中，选择的运动视频数据捕获设备为CCD 摄像机。在实际使用过程中需要根据周围的环境控制摄像机的曝光度以及光圈的参数信息。在完成对摄像机寄存器的参数配置后，按照不同的运动视频信号格式采用不同的捕获方法，其中视频的基本信号格式可以分为复位信号、时钟信号、行标识信号、帧标识信号等[4]。CCD 摄像机最终捕获的视频图像以RGB 的形式输出，将光信号到模拟信号的转变结果直接输入到视频的解码芯片中，完成下一步的转换。为了保证捕获的实时运动视频信号可以及时传输到处理计算机中，将摄像机与计算机的核心处理板相连，实时输入输出信号的具体情况如表1 所示。 由此实现了对人体运动视频信号的捕获与传输。此外，选择感应驱动的方式，即摄像机中的画面出现变化便启动运动视频的捕获程序，以此控制初始视频信号捕获的时长和起始时间[5]。 1.3 计算机视频处理技术处理初始视频序列 在运动视频图像数据的捕获过程中，初始数据的采集结果会受到外界环境、光线变化、人物运动等因素的影响，导致捕获的初始视频数据会出现模糊、噪声、残差等问题，进而影响运动目标的检测结果和最终的识别结果。为此需要利用计算机视频处理技术，以初始采集的视频数据为处理对象进行处理，实现对初始视频数据质量的优化[