《人體行為識別概述》ppt課件-文庫吧
2024-12-21 04:50 本頁面
【正文】 的范圍很小， 閾值難以選取 ，影響前景目標(biāo)的分割結(jié)果。 ? 區(qū)域 灰度值 變化較為 平坦時 ，容易在人體二值圖像內(nèi)產(chǎn)生 空洞現(xiàn)象 ，給后續(xù)的目標(biāo)分類、跟蹤和識別造成不便。 ? 優(yōu)點： ? 對于 動態(tài)環(huán)境 有 較強 的自 適應(yīng)性 Page 9 目標(biāo)檢測 —— 光流法 ? 基于光流法的運動檢測，是利用運動物體隨時間變化在圖像中表現(xiàn)的光流特性，通過計算位移向量光流場來提取運動目標(biāo)。 ? 光流是空間運動物體在觀測成像面上對應(yīng)像素運動的瞬時速度，是空間物體可見點的三維速度矢量在成像平面上的投影，它攜帶了豐富的運動和結(jié)構(gòu)信息。 ? 優(yōu)點 ： ? 即使在攝像機運動的情況下也能檢測出獨立的運動目標(biāo)。 ? 缺點 ： ? 由于噪聲、多光源、陰影和遮擋等原因，計算出的光流場分布并不十分可靠和準(zhǔn)確。 ? 多數(shù)光流法計算復(fù)雜、耗時，在實際的系統(tǒng)中沒有特殊的硬件支持時，很難實現(xiàn)實時檢測。 Page 10 目標(biāo)檢測 —— 背景減除法 ? 最常用且有效的是背景減除法。 ? 背景減除法最簡單的實現(xiàn)方法是預(yù)先選取不含前景運動目標(biāo)的背景圖像，然后將當(dāng)前圖像幀與背景圖像相減得到前景目標(biāo)。 ? 背景減除法通常在 攝像機固定的情況下使用 ， 關(guān)鍵 是建立隨場景變化不斷更新的背景模型 。 ? 有 兩類 常用的背景更新方法 : ? 建立背景模型并采用自適應(yīng)方法對模型參數(shù)進行調(diào)整，從而獲得新背景圖像 。 ? 從過去的一組觀測圖像中按一定的假設(shè)選擇像素值構(gòu)成當(dāng)前背景圖像。 Page 11 目標(biāo)分類 參考文獻：視頻中的人體運動分析及其應(yīng)用研究 目 標(biāo) 分 類基 于 形 狀 信息 的 分 類基 于 運 動 信息 的 分 類使 用 簡 單 的 人 體 輪 廓 模 式 的形 狀 參 數(shù) 檢 測 運 動 人 體提 取 區(qū) 域 的 分 散 度 、 面 積 、 寬 高 比 等特 征 ， 采 用 三 層 神 經(jīng) 網(wǎng) 絡(luò) 將 前 景 目 標(biāo)分 類 為 人 、 人 群 、 車 輛 和 背 景 干 擾分 散 度 和 面 積 信 息 區(qū) 分 人 、 車輛 及 混 亂 擾 動根 據(jù) 運 動 區(qū) 域 的 形 狀特 征 進 行 分 類利 用 人 體 運 動 的 周期 性 進 行 分 類根 據(jù) 人 體 運 動 的 周 期 性 特 性 ， 采 用時 頻 分 析 法 判 斷 運 動 軌 跡 是 否 存 在周 期 性 ， 從 而 識 別 出 運 動 人 體通 過 計 算 運 動 區(qū) 域 的 殘 余 光 流 來分 析 運 動 目 標(biāo) 的 剛 性 和 周 期 性與 剛 性 車 輛 的 運 動 相 比 ， 非 剛 性 的 人 體 運 動 具 有 較 高 的 平 均殘 余 光 流 并 且 人 體 運 動 呈 現(xiàn) 周 期 性 ， 因 此 可 將 人 體 區(qū) 分 出 來這 兩 類 目 標(biāo) 分 類 方 法也 可 結(jié) 合 使 用 ， 以 得到 更 準(zhǔn) 確 的 分 類 結(jié) 果Page 12 人體描述 邊 界 框 描 述棍 棒 圖 描 述細 節(jié) 的 不 同 水 平人 體 描 述 2 D 輪 廓3 D 體根 據(jù) 應(yīng) 用 對 模 板 復(fù)雜 度 的 需 要 而 定可 變 形 輪 廓近 似 為 面 片 描 述近 似 為 帶 狀 描 述s i l h o u e t t e c o n t o u r m o d e l 2 D b l o b m o d e lc a r d b o a r d m o d e l多 面 體圓 柱 體圓 錐球 體參考文獻： Human Motion: Modeling and Recognition of Actions and Interactions ? Page 13 運動跟蹤 運 動 跟 蹤基 于 主 動 輪 廓 的 跟 蹤基 于 特 征 的
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1