【正文】 最后感謝各位專(zhuān)家、老師在百忙中審閱我的論文，審核我的答辯.。王老師嚴(yán)謹(jǐn)?shù)闹螌W(xué)態(tài)度、務(wù)實(shí)干練的作風(fēng)，給我樹(shù)立了人生榜樣，這對(duì)我這個(gè)即將走向工作崗位的學(xué)生來(lái)說(shuō)有深遠(yuǎn)的影響。 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(kāi)和論文的寫(xiě)作過(guò)程中給予我悉心知道和無(wú)私幫助。 致謝 大四下學(xué)期的畢業(yè)設(shè)計(jì)就要結(jié)束了，這半年的學(xué)習(xí)和生活都是充實(shí)豐富的。不過(guò)我了解到的人體不同姿態(tài)的輪廓直方圖就有20000多種，而常用的有24種，那么如果在較復(fù)雜的情況下（如跳水比賽，跳傘比賽等）將檢測(cè)到的運(yùn)動(dòng)物體輪廓直方圖與人體不同姿態(tài)的輪廓直方圖來(lái)比對(duì)驗(yàn)證，勢(shì)必導(dǎo)致計(jì)算量的增大，那么當(dāng)讀入的視頻幀速率稍微大一點(diǎn)就會(huì)導(dǎo)致實(shí)時(shí)性變差。使得系統(tǒng)代碼變得很龐大，不易于應(yīng)用于硬件上。 系統(tǒng)的不足和展望 由于研究時(shí)間和個(gè)人能力有限，這個(gè)系統(tǒng)還有很多不足。解決了人體重疊的問(wèn)題。 （1）采用了簡(jiǎn)單的背景減除法檢測(cè)運(yùn)動(dòng)區(qū)域，并用膨脹和腐蝕算法去除了噪聲和小面積非人體運(yùn)動(dòng)區(qū)域。深入研究了現(xiàn)有的運(yùn)動(dòng)目標(biāo)檢測(cè)和跟蹤方法，根據(jù)要求和自身的完成能力設(shè)計(jì)了一種基于人體影子特征的檢測(cè)跟蹤算法，算法可以在一定程度上減少光照和噪聲的干擾，可以實(shí)現(xiàn)穩(wěn)定準(zhǔn)確的跟蹤。說(shuō)明本文的算法基本達(dá)到了預(yù)期要求。對(duì)比序列圖可以看出算法較準(zhǔn)確地檢測(cè)出了運(yùn)動(dòng)人體并框住進(jìn)行跟蹤。 實(shí)驗(yàn)結(jié)果 ，——，右側(cè)是輸入的視頻流序列，左側(cè)是檢測(cè)與跟蹤序列。為了使 KF 能適應(yīng)非線性系統(tǒng)，改進(jìn)的卡爾曼濾波器也被提出來(lái)，包括無(wú)跡卡爾曼濾波器（Unscented Kalman Filter，UKF）和擴(kuò)展卡爾曼濾波器（Extended KalmanFilter，EKF）。 卡爾曼濾波算法預(yù)測(cè)計(jì)算量小，可實(shí)時(shí)計(jì)算，可以準(zhǔn)確地估計(jì)目標(biāo)的位置和速度。通?？柭鼘?duì)狀態(tài)參數(shù)的概率分布是線性的單模型適用。稱(chēng)為卡爾曼增益矩陣，它根據(jù)最小化后驗(yàn)錯(cuò)誤的協(xié)方差通過(guò)最小二乘法求得。定義后驗(yàn)估計(jì)錯(cuò)誤為－，卡爾曼濾波根據(jù)觀測(cè)值，通過(guò)最小化后驗(yàn)估計(jì)錯(cuò)誤計(jì)算的后驗(yàn)估計(jì)?？柭鼮V波通過(guò)公式（）可以直接給出的先驗(yàn)估計(jì)為。它們滿(mǎn)足 p ( w) ~ N (0, Q )， p ( v ) ~ N (0, R )(Q，R為，的協(xié)方差矩陣)。當(dāng)系統(tǒng)為線性動(dòng)態(tài)系統(tǒng)（Linear Dynamic System，LDS）時(shí)，觀察值是系統(tǒng)狀態(tài)值的線性函數(shù)，且系統(tǒng)和測(cè)量的噪聲均為高斯白噪聲，卡爾曼濾波原型可以描述為： （） （）A是描述系統(tǒng)演變的矩陣，H是測(cè)量矩陣，它描述了觀測(cè)值和模形狀態(tài)之間的關(guān)系。這表明了一個(gè)預(yù)測(cè)反饋的機(jī)制。通常情況下，在一個(gè)有噪聲的系統(tǒng)中，我們用描述系統(tǒng)在k時(shí)刻的狀態(tài)，為在k時(shí)刻觀察到的特征向量。將有關(guān)位置、速度、形狀、紋理、顏色等特征值看作狀態(tài)值，一般過(guò)程是首先根據(jù)前一個(gè)時(shí)刻的狀態(tài)值進(jìn)行預(yù)測(cè)，然后根據(jù)預(yù)測(cè)狀態(tài)值和錯(cuò)誤協(xié)方差確定搜索范圍，在搜索范圍內(nèi)查找特征和進(jìn)行匹配運(yùn)算，得到狀態(tài)的測(cè)量值，然后用卡爾曼濾波進(jìn)行修正，得到當(dāng)前狀態(tài)的估計(jì)值。卡爾曼提出的遞推最優(yōu)估計(jì)理論，采用狀態(tài)空間描述法，在算法采用遞推形式，卡爾曼濾波能處理多維和非平穩(wěn)的隨機(jī)過(guò)程。真實(shí)值與估計(jì)值之差稱(chēng)為估計(jì)誤差。受噪聲干擾的狀態(tài)量是個(gè)隨機(jī)量，不可能測(cè)得精確值，但可對(duì)它進(jìn)行一系列觀測(cè)，并依據(jù)一組觀測(cè)值，按某種統(tǒng)計(jì)觀點(diǎn)對(duì)它進(jìn)行估計(jì)。最常用的是最小二乘估計(jì)，線性最小方差估計(jì)、最小方差估計(jì)、遞推最小二乘估計(jì)等。比如對(duì)飛行器狀態(tài)估計(jì)。 狀態(tài)估計(jì)是卡爾曼濾波的重要組成部分?？柭鼮V波器用狀態(tài)方程和觀測(cè)方程分別來(lái)描述動(dòng)態(tài)系統(tǒng)的狀態(tài)和觀測(cè)值，并對(duì)狀態(tài)序列進(jìn)行線性最小方差估計(jì)。在確定了人體的區(qū)域和寬高后就可以用一個(gè)矩形框?qū)⑦\(yùn)動(dòng)人體框住。（+） （）由于影子的存在，它可能被計(jì)算在運(yùn)動(dòng)者的橫向范圍內(nèi)，為了克服影子的不利影響，對(duì)局部極小值進(jìn)一步做如下修正。設(shè)滿(mǎn)足條件的局部極小值為，如果≥，則可以斷定與對(duì)應(yīng)的運(yùn)動(dòng)者重疊，此時(shí)對(duì)局部極小值進(jìn)行修正。 閾值由經(jīng)驗(yàn)公式=1/6。由前面的分析可以發(fā)現(xiàn)，每出現(xiàn)一個(gè)偽局部極大值，在它和真實(shí)局部極大值之間就會(huì)出現(xiàn)一個(gè)偽局部極小值，為了去除這些偽局部極小值，引入一個(gè)距離閾值，滿(mǎn)足以下要求。為了得到各個(gè)運(yùn)動(dòng)者對(duì)應(yīng)的運(yùn)動(dòng)區(qū)域的橫向范圍，需要進(jìn)一步結(jié)合縱向投影值的局部極小值加以分析。 閾值一般通過(guò)對(duì)監(jiān)控場(chǎng)景的先驗(yàn)知識(shí)確定，也可由經(jīng)驗(yàn)公式=。 如果對(duì)投影值的一維中值濾波不能完全濾除噪聲造成的取值較大的局部極大值，或存在由人體姿勢(shì)本身造成的局部極大值，則通常這些偽極大值與真實(shí)極大值的距離比較接近，可以通過(guò)引入一個(gè)距離閾值來(lái)去除。 ，表示。 圖 為了檢測(cè)運(yùn)動(dòng)者的數(shù)量，就要分析運(yùn)動(dòng)區(qū)域縱向投影值的分布情況。當(dāng)運(yùn)動(dòng)區(qū)域只包含一個(gè)運(yùn)動(dòng)者是，通過(guò)簡(jiǎn)單的縱向投影分析就能得到運(yùn)動(dòng)區(qū)域的寬度，當(dāng)運(yùn)動(dòng)區(qū)域包含多個(gè)運(yùn)動(dòng)者時(shí)，問(wèn)題就復(fù)雜得多，應(yīng)根據(jù)各個(gè)運(yùn)動(dòng)者是否相重疊的具體情況加以分析。 前景區(qū)域輪廓分析 運(yùn)動(dòng)檢測(cè)部分的根本目的是確定屬于人體的運(yùn)動(dòng)區(qū)域的坐標(biāo)范圍，前面通過(guò)縱向投影和橫向投影已經(jīng)得到了運(yùn)動(dòng)者的高度，接下來(lái)要進(jìn)一步計(jì)算運(yùn)動(dòng)者對(duì)應(yīng)區(qū)域的寬度。必須指出的是，無(wú)論室內(nèi)還是室外環(huán)境中，光照的變化一般比較緩慢，因此運(yùn)動(dòng)者的影子通常不會(huì)發(fā)生本質(zhì)性的變化。為避免此情況出現(xiàn)，局部極小值計(jì)算范圍一般限制在整體輪廓高度中心處20%30%，這時(shí)基本能夠得到準(zhǔn)確的人體高度。結(jié)合前面得到的人體頭部位置，就可以比較準(zhǔn)確地得到人體高度。此時(shí)如果將人體輪廓進(jìn)行橫投影，因?yàn)槿梭w腳部輪廓寬度小于腿、腰和肩，運(yùn)動(dòng)者的腳部將對(duì)應(yīng)較小的投影值，并且會(huì)出現(xiàn)一個(gè)局部極小值。影子存在于正下方時(shí)腳部位置的確定就會(huì)被嚴(yán)重地影響了，所以還要用橫向投影加以修正。影子方向不同決定了它對(duì)運(yùn)動(dòng)區(qū)域檢測(cè)的影響不同，如果影子被運(yùn)動(dòng)者擋在身后，影響可以忽略不計(jì)。 通常情況下，無(wú)論室內(nèi)還是室外，運(yùn)動(dòng)者都會(huì)有影子存在，影子是一塊面積較大灰度值較高的跟隨運(yùn)動(dòng)者而動(dòng)的區(qū)域。 為了得到人體運(yùn)動(dòng)區(qū)域的高度進(jìn)而對(duì)運(yùn)動(dòng)人體進(jìn)行框定，在得到頭部位置后還要計(jì)算運(yùn)動(dòng)者腳部位置。受外部條件和人體姿勢(shì)影響，簡(jiǎn)單的縱向投影得到的局部極大值可能不能準(zhǔn)確反映頭部位置。通過(guò)以上分析可知，通過(guò)縱向投影的形狀就可以大致過(guò)濾出非人體，而且通過(guò)計(jì)算縱向投影的局部極大值可以合理地確定人體頭部位置。當(dāng)運(yùn)動(dòng)區(qū)域包含多個(gè)運(yùn)動(dòng)者時(shí)，可以進(jìn)一步將前景區(qū)域分割成對(duì)應(yīng)不同運(yùn)動(dòng)者的小區(qū)域。怎么將運(yùn)動(dòng)的人體和非人體區(qū)分開(kāi)來(lái)呢？我采用的是投影寬高比分析，不同物體橫向和縱向投影的寬高比是不同的（），所以就可以通過(guò)檢測(cè)運(yùn)動(dòng)區(qū)域的投影來(lái)區(qū)別人體和非人體。但是能夠基本保持人體的頭部形狀，這對(duì)分析運(yùn)動(dòng)者的數(shù)量是至關(guān)重要的。 原始運(yùn)動(dòng)區(qū)域 腐蝕運(yùn)算結(jié)果 開(kāi)運(yùn)算結(jié)果 ，本方案采用3*3方形腐蝕元和膨脹元。雖然腐蝕方法能有效地去除微小非人體活動(dòng)區(qū)域，但它對(duì)人體運(yùn)動(dòng)區(qū)域的損傷更大。形態(tài)學(xué)完備的數(shù)學(xué)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(jì)等方面的應(yīng)用奠定了堅(jiān)實(shí)的基礎(chǔ)，近年來(lái)形態(tài)學(xué)的研究和應(yīng)用在國(guó)內(nèi)外得到了不斷發(fā)展，成為最活躍的領(lǐng)域之一。數(shù)學(xué)形態(tài)學(xué)是由一系列形態(tài)學(xué)的代數(shù)運(yùn)算子組成的，基本的運(yùn)算子包括：腐蝕、膨脹、開(kāi)和閉運(yùn)算。形態(tài)學(xué)最早 Matheron于二十世紀(jì)六十年代提出，1985年以后，它逐漸成為分析圖像幾何特征的工具。這樣得出來(lái)的二值化圖像就更能表現(xiàn)出二值化圖像中的細(xì)節(jié)。局部自適應(yīng)二值化，該方法就是在局部二值化的基礎(chǔ)之上，將閾值的設(shè)定更加合理化。全局二值化在圖像細(xì)節(jié)方面有很大缺陷。全局二值化就是設(shè)定一個(gè)全局的閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群。動(dòng)態(tài)調(diào)節(jié)閥值實(shí)現(xiàn)圖像的二值化可動(dòng)態(tài)觀察其分割圖像的具體結(jié)果。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(gè)具有其他等級(jí)灰度值的均勻背景下，使用閥值法就可以得到比較的分割效果。為了得到理想的二值圖像，一般采用封閉、連通的邊界定義不交疊的區(qū)域。即將256個(gè)亮度等級(jí)的灰度圖像通過(guò)適當(dāng)?shù)拈y值選取而獲得仍然可以反映圖像整體和局部特征的二值化圖像。 一幅圖像包括目標(biāo)物體、背景還有噪聲，要想從多值的數(shù)字圖像中直接提取出目標(biāo)物體，最常用的方法就是設(shè)定一個(gè)閾值T，用T將圖像的數(shù)據(jù)分成兩部分：大于T的像素群和小于T的像素群，稱(chēng)為圖像的二值化。 （） （） （） 本方案采用的是方形濾波器。中值濾波窗口的形狀和尺寸對(duì)濾波效果影響很大，實(shí)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。 對(duì)于圖像的二維中值濾波一般采用一個(gè)含有奇數(shù)個(gè)點(diǎn)的滑動(dòng)窗口，用窗口中各點(diǎn)灰度值的中值代替指定點(diǎn)（一般為窗口中點(diǎn)）的灰度值。 中值濾波中值濾波是一種非線性信號(hào)處理方法，后來(lái)被二維圖像信號(hào)處理技術(shù)所使用。 由于光照條件變化等外部原因和攝像機(jī)成像質(zhì)量不佳等原因，每一幀活動(dòng)圖像中都有可能存在噪聲，這樣由背景模型得到的前景區(qū)域也可能含有噪聲，為此應(yīng)采用中值濾波的方法處理。通過(guò)比較，可以看出當(dāng)閾值滿(mǎn)足20≦th≦25時(shí)，能夠比較準(zhǔn)確的得到人體運(yùn)動(dòng)區(qū)域的范圍，同時(shí)受環(huán)境中非人體運(yùn)動(dòng)部分的影響較小，結(jié)合后面的中值濾波和數(shù)學(xué)形態(tài)學(xué)處理，可以得到更為準(zhǔn)確的人體運(yùn)動(dòng)區(qū)域的輪廓。 一幀圖像 th=10時(shí)運(yùn)動(dòng)區(qū)域 th=15時(shí)運(yùn)動(dòng)區(qū)域 th=20時(shí)運(yùn)動(dòng)區(qū)域 th=25時(shí)運(yùn)動(dòng)區(qū)域 th=40時(shí)運(yùn)動(dòng)區(qū)域 。 （31） 運(yùn)動(dòng)圖像與背景模型 ，進(jìn)一步通過(guò)閾值對(duì)比就能確定前景區(qū)域。 （1）建立基于統(tǒng)計(jì)的背景模型，以在背景略有變化的情況下，檢測(cè)出每幀圖像中運(yùn)動(dòng)的前景部分； （2）采用中值濾波和數(shù)學(xué)形態(tài)學(xué)（寬高比）的方法，在運(yùn)動(dòng)的前景部分中檢測(cè)出對(duì)應(yīng)于人體的運(yùn)動(dòng)部分； （3）判斷人體運(yùn)動(dòng)部分是否包含多個(gè)運(yùn)動(dòng)者，如果包含進(jìn)一步判斷運(yùn)動(dòng)者的數(shù)量，并劃分運(yùn)動(dòng)區(qū)域。本系統(tǒng)使用256色的BMP文件輸入。所以在一個(gè)256色的文件中，位圖數(shù)據(jù)中第一個(gè)字節(jié)就是圖像左下角的像素的顏色索引，第二個(gè)就是它右邊的那個(gè)像素的顏色索引。像素值不是RGB顏色值，而是色表中一個(gè)索引。BMP文件的位圖數(shù)據(jù)格式依賴(lài)于編碼的每個(gè)像素顏色所用的位數(shù)。對(duì)于顯示卡來(lái)說(shuō)，如果它不能一次顯示超過(guò)256種顏色，讀取和顯示BMP文件的程序能夠把這些RGB值轉(zhuǎn)換到顯示卡的調(diào)色板來(lái)產(chǎn)生準(zhǔn)確的顏色。而對(duì)于16位以下的圖像，由于其位圖像素?cái)?shù)據(jù)中記錄的只是調(diào)色板的索引值，因此需要根據(jù)這個(gè)索引值到調(diào)色板去取得相應(yīng)的RGB顏色。 （3）顏色表。 （2）位圖信息頭。包含關(guān)于這個(gè)文件的信息。 典型的BMP文件結(jié)構(gòu)：一個(gè)位圖文件頭、一個(gè)位圖信息頭、一個(gè)顏色表（色表）和位圖數(shù)據(jù)本身。 BMP圖片格式 BMP文件格式是windows本身可以直接提供讀取支持的位圖文件格式。這個(gè)索引塊為AVI文件中每一個(gè)媒體數(shù)據(jù)塊進(jìn)行索引，并且記錄它們?cè)谖募械钠?。?lèi)型碼定義如下：“db”（非壓縮視頻幀）、“dc”（壓縮視頻幀）、“pc”（改用新的調(diào)色板）、“wb”（音縮視頻）。當(dāng)AVI中含有多個(gè)流時(shí)，數(shù)據(jù)塊和數(shù)據(jù)塊間用4個(gè)字符碼來(lái)區(qū)別。當(dāng)所有的流都描述后“hdrl”列表的任務(wù)就完成了，隨后跟著是用于保存真正媒體流數(shù)據(jù)的“movi”列表。然后就是一個(gè)或多個(gè)“strl”子列表（文件有多少流就有多少子列表），每個(gè)“strl”子列表至少包含一個(gè)“strh”塊（保存編碼器的一些配置信息）和一個(gè)“strf”塊（保存流的名字），且是可選的。整個(gè)AVI文件的結(jié)構(gòu)為：一個(gè)RIFF頭+兩個(gè)列表（一個(gè)用于描述媒體流格式、另一個(gè)用于保存媒體流數(shù)據(jù)）+一個(gè)可選的索引塊。RIFF實(shí)際數(shù)據(jù)中通常還使用列表（list）和塊（chunk）的形式來(lái)組織。RIFF文件使用4字符碼FOURCC來(lái)表征數(shù)據(jù)類(lèi)型。