【正文】 縱向投影的局部極大值一般對應(yīng)運動者的頭部，所以首先要檢測出投影的局部極大值，并用、 （） 0≤ i ≤m （） 如果,則向右方繼續(xù)尋找局部極小值，直到滿足閾值條件； 如果，則向左方繼續(xù)尋找局部極小值，直到滿足閾值條件。其他如風險準則的貝葉斯估計、最大似然估計、隨機逼近等方法也都有應(yīng)用?，F(xiàn)在我們需要解決兩個問題：①給定系統(tǒng)當前狀態(tài)，如何求出下一時刻的狀態(tài)的概率分布？②對于給定觀測值，如何求出系統(tǒng)狀態(tài)的概率分布？第一個問題實際上是預(yù)測問題。即使人體傾斜手臂擺動也不影響檢測結(jié)果。在這期間老師和學長給了我很大幫助，讓我終生難忘，在這里我向他們表達最真誠的謝意。還有一方面，我一直認為人體檢測如果可以基于人體運動的不同姿態(tài)就可以使檢測效果更好而且不易出錯，但是我的能力實在有限，這個想法無能為力。但實際的系統(tǒng)很多是非線性非高斯的，EKF 和 UKF 難以對其精確地描述。這種預(yù)測反饋機制就是卡爾曼濾波的思想。一般來說，根據(jù)觀測數(shù)據(jù)對隨機量進行定量推斷就是估計問題，特別是對動態(tài)行為的狀態(tài)估計，它能實現(xiàn)實時運行狀態(tài)的估計和預(yù)測功能。 圖 縱向投影輪廓 通過以上處理，基本上能得到運動者的準確數(shù)量。首先要做的是確定一個前景區(qū)域中一共包含幾個運動者。從直立人體的對稱性考慮，與人體頭部位置橫坐標對應(yīng)區(qū)域的最下部就是腳部位置，但是實際中還有影子的影響。 為了去除前景圖像中小面積的活動區(qū)域，最直觀的想法是采用腐蝕的形態(tài)學濾波方法。如果物體同背景的差別表現(xiàn)不在灰度值上（比如紋理不同），可以將這個差別特征轉(zhuǎn)換為灰度的差別，然后利用閥值選取技術(shù)來分割該圖像。前景區(qū)域中有部分面積較小的連續(xù)區(qū)域可能對應(yīng)背景中樹葉等非人體部分，同時攝像機可能出現(xiàn)輕微晃動，導(dǎo)致前景區(qū)域含有細小的圖像邊緣輪廓，為此有必要采用數(shù)學形態(tài)學方法進行處理，以得到較為準確的人體運動區(qū)域。對于一個256色的圖像來說，每個像素占用文件中位圖數(shù)據(jù)部分的一個字節(jié)。索引塊用一個“idxl”來表征，索引信息用一個數(shù)據(jù)結(jié)構(gòu)AVIOLDINDEX定義。AVI是一種RIFF文件格式，用于音視頻捕捉、編輯、回放中。動態(tài)邊界模型又叫snake，能夠表示不斷變化的運動人體的邊界。 （2）基于運動的分類。 對連通區(qū)域分析判斷，舍去面積較小的區(qū)域。他是通過計算每個像素點所具有的3個值：最小強度、最大強度和在訓(xùn)練期觀測到的連續(xù)幀之間的最大強度差分值來描述每一個像素，背景模型參數(shù)可以周期性地更新。在運動檢測中，背景減法（Background Subtraction）是一種常用的技術(shù)，尤其是對于靜態(tài)場景。對于運動前景采用中值濾波去除噪聲，并使用數(shù)學形態(tài)學的開運算去除小面積的非人體運動部分。在應(yīng)用場景中，可能存在大面積區(qū)域中各種目標的運動，如車輛的突然啟動與停止；以及頻繁變動的物體，如搖擺的樹、波動的水面，都會增加人體運動目標檢測的難度。許多方法和模型或是過于簡單而 不能普遍采用，或是過于復(fù)雜難以在實際中進行應(yīng)用。 運動人體檢測和跟蹤是人體運動視覺分析的一個重要組成部分，有著廣泛的前景和經(jīng)濟價值。 目錄摘要.....................................................................................................IABSRACT ........................................................................................II第1章 緒論......................................................................................1 ......................................................................2 ......................................................3 ..........................................................................4第2章 人體運動目標檢測與跟蹤理論概述..................................6 人體運動目標方法.................................................................6 .................................................................6 .................................................................9 運動目標跟蹤........................................................................10第3章 算法實現(xiàn).............................................................................12 讀取與屏幕顯示....................................................................12 AVI格式.........................................................................12 BMP圖片格式...............................................................14 人體運動檢測........................................................................15 ........................................................................15 ........................................................................17 ............................................................................18 ....................................................................19 運動區(qū)域分析........................................................................20 ............................................................21 ........................................................22 卡爾曼濾波............................................................................25 實驗結(jié)果................................................................................28第4章 結(jié)論....................................................................................32 畢業(yè)設(shè)計工作總結(jié)................................................................31 系統(tǒng)不足和展望....................................................................31致謝...................................................................................................33參考文獻...........................................................................................34III 第1章 緒論 計算機視覺是實現(xiàn)利用計算機對于三維景物世界的理解，即實現(xiàn)人的視覺系統(tǒng)的某些功能.，是一個相當新且發(fā)展十分迅速的研究領(lǐng)域。通過實時地觀測被監(jiān)視場景的運動目標，如人或車輛等，分析描述他們的行為，節(jié)省了大量的人力物力。當行人所穿衣服顏色與背景著色相似或背景光線變化較大時，很難從背景中分割出運動的人體。運動目標長時間停留在場景中，可能變成背景目標，造成跟蹤丟失。該算法可以檢測到運動者的數(shù)量和具體位置，但要手動設(shè)定背景。這種自適應(yīng)閾值的選擇算法，克服了單閾值中閾值過高不能完整分割出目標，過低會產(chǎn)生大量的無關(guān)噪聲(如影子)等缺陷。幀間差分法（Temporal Differencing）是在圖像序列中通過相鄰兩幀或者三幀圖像像素差，提取運動區(qū)域的運動目標檢測方法。但計算方法復(fù)雜，對硬件要求比較高，可靠性差，對噪聲敏感，難于應(yīng)用在實時的視頻流處理中。跟蹤的目的是在幀與幀之間建立人體運動目標的某些特征，若位置、速度、形狀、紋理和顏色等之間的聯(lián)系。如Polana與Neson乜11的文章將每個行人用一個矩形 框封閉起來，封閉框的質(zhì)心被選擇作為跟蹤的特征；在跟蹤過程中若出現(xiàn)兩入 互相遮擋時，只要質(zhì)心的速度區(qū)分開來，跟蹤仍能被執(zhí)行。整個AVI文件的結(jié)構(gòu)為：一個RIFF頭+兩個列表（一個用于描述媒體流格式、另一個用于保存媒體流數(shù)據(jù)）+一個可選的索引塊。包含關(guān)于這個文件的信息。本系統(tǒng)使用256色的BMP文件輸入。中值濾波窗口的形狀和尺寸對濾波效果影響很大，實際中采用的窗口形狀有線性、方形、圓形、十字形等，采用的窗口尺寸一般為3*3或3*5。全局二值化在圖像細節(jié)方面有很大缺陷。但是能夠基本保持人體的頭部形狀，這對分析運動者的數(shù)量是至關(guān)重要的。影子存在于正下方時腳部位置的確定就會被嚴重地影響了，所以還要用橫向投影加以修正。 閾值由經(jīng)驗公式=1/6。受噪聲干擾的狀態(tài)量是個隨機量，不可能測得精確值，但可對它進行一系列觀測，并依據(jù)一組觀測值，按某種統(tǒng)計觀點對它進行估計。卡爾曼濾波通過公式（）可以直接給出的先驗估計為。說明本文的算法基本達到了預(yù)期要求。 首先我要感謝我的畢設(shè)知道老師王敏老師，在課題的展開和論文的寫作過程中給予我悉心知道和無私幫助。使得系統(tǒng)代碼變得很龐大，不易于應(yīng)用于硬件上。為了使 KF 能適應(yīng)非線性系統(tǒng)，改進的卡爾曼濾波器也被提出來，包括無跡卡爾曼濾波器（Unscented Kalman Filter，UKF）和擴展卡爾曼濾波器（Extended KalmanFilter，EKF）。這表明了一個預(yù)測反饋的機制。 狀態(tài)估計是卡爾曼濾波的重要組成部分。 閾值一般通過對監(jiān)控場景的先驗知識確定，也可由經(jīng)驗公式=。 前景區(qū)域輪廓分析 運動檢測部分的根本目的是確定屬于人體的運動區(qū)域的坐標范圍，前面通過縱向投影和橫向投影已經(jīng)得到了運動者的高度，接下來要進一步計算運動者對應(yīng)區(qū)域的寬度。 為了得到人體運動區(qū)域的高度進而對運動人體進行框定，在得到頭部位置后還要計算運動者腳部位置。形態(tài)學完備的數(shù)學理論為它在圖像分析和處理，形態(tài)濾波器的分析和系統(tǒng)設(shè)計等方面的應(yīng)用奠定了堅實的基礎(chǔ)，近年來形態(tài)學的研究和應(yīng)用在國內(nèi)外得到了不斷發(fā)展，成為最活躍的領(lǐng)域之一。如果某特定物體在內(nèi)部有均勻一致的灰度值，并且其處在一個具有其他等級灰