【正文】 最后感謝各位專家、老師在百忙中審閱我的論文，審核我的答辯.。王老師嚴謹?shù)闹螌W態(tài)度、務實干練的作風，給我樹立了人生榜樣，這對我這個即將走向工作崗位的學生來說有深遠的影響。 首先我要感謝我的畢設(shè)知道老師王敏老師，在課題的展開和論文的寫作過程中給予我悉心知道和無私幫助。 致謝 大四下學期的畢業(yè)設(shè)計就要結(jié)束了，這半年的學習和生活都是充實豐富的。不過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，那么如果在較復雜的情況下（如跳水比賽，跳傘比賽等）將檢測到的運動物體輪廓直方圖與人體不同姿態(tài)的輪廓直方圖來比對驗證，勢必導致計算量的增大，那么當讀入的視頻幀速率稍微大一點就會導致實時性變差。使得系統(tǒng)代碼變得很龐大，不易于應用于硬件上。 系統(tǒng)的不足和展望 由于研究時間和個人能力有限，這個系統(tǒng)還有很多不足。解決了人體重疊的問題。 （1）采用了簡單的背景減除法檢測運動區(qū)域，并用膨脹和腐蝕算法去除了噪聲和小面積非人體運動區(qū)域。深入研究了現(xiàn)有的運動目標檢測和跟蹤方法，根據(jù)要求和自身的完成能力設(shè)計了一種基于人體影子特征的檢測跟蹤算法，算法可以在一定程度上減少光照和噪聲的干擾，可以實現(xiàn)穩(wěn)定準確的跟蹤。說明本文的算法基本達到了預期要求。對比序列圖可以看出算法較準確地檢測出了運動人體并框住進行跟蹤。 實驗結(jié)果 ，——，右側(cè)是輸入的視頻流序列，左側(cè)是檢測與跟蹤序列。為了使 KF 能適應非線性系統(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）。 卡爾曼濾波算法預測計算量小，可實時計算，可以準確地估計目標的位置和速度。通?？柭鼘顟B(tài)參數(shù)的概率分布是線性的單模型適用。稱為卡爾曼增益矩陣，它根據(jù)最小化后驗錯誤的協(xié)方差通過最小二乘法求得。定義后驗估計錯誤為－，卡爾曼濾波根據(jù)觀測值，通過最小化后驗估計錯誤計算的后驗估計?？柭鼮V波通過公式（）可以直接給出的先驗估計為。它們滿足 p ( w) ~ N (0, Q )， p ( v ) ~ N (0, R )(Q，R為，的協(xié)方差矩陣)。當系統(tǒng)為線性動態(tài)系統(tǒng)（Linear Dynamic System，LDS）時，觀察值是系統(tǒng)狀態(tài)值的線性函數(shù)，且系統(tǒng)和測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是測量矩陣，它描述了觀測值和模形狀態(tài)之間的關(guān)系。這表明了一個預測反饋的機制。通常情況下，在一個有噪聲的系統(tǒng)中，我們用描述系統(tǒng)在k時刻的狀態(tài)，為在k時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，一般過程是首先根據(jù)前一個時刻的狀態(tài)值進行預測，然后根據(jù)預測狀態(tài)值和錯誤協(xié)方差確定搜索范圍，在搜索范圍內(nèi)查找特征和進行匹配運算，得到狀態(tài)的測量值，然后用卡爾曼濾波進行修正，得到當前狀態(tài)的估計值?？柭岢龅倪f推最優(yōu)估計理論，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)的隨機過程。真實值與估計值之差稱為估計誤差。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。最常用的是最小二乘估計，線性最小方差估計、最小方差估計、遞推最小二乘估計等。比如對飛行器狀態(tài)估計。 狀態(tài)估計是卡爾曼濾波的重要組成部分?？柭鼮V波器用狀態(tài)方程和觀測方程分別來描述動態(tài)系統(tǒng)的狀態(tài)和觀測值，并對狀態(tài)序列進行線性最小方差估計。在確定了人體的區(qū)域和寬高后就可以用一個矩形框?qū)⑦\動人體框住。（+） （）由于影子的存在，它可能被計算在運動者的橫向范圍內(nèi)，為了克服影子的不利影響，對局部極小值進一步做如下修正。設(shè)滿足條件的局部極小值為，如果≥，則可以斷定與對應的運動者重疊，此時對局部極小值進行修正。 閾值由經(jīng)驗公式=1/6。由前面的分析可以發(fā)現(xiàn)，每出現(xiàn)一個偽局部極大值，在它和真實局部極大值之間就會出現(xiàn)一個偽局部極小值，為了去除這些偽局部極小值，引入一個距離閾值，滿足以下要求。為了得到各個運動者對應的運動區(qū)域的橫向范圍，需要進一步結(jié)合縱向投影值的局部極小值加以分析。 閾值一般通過對監(jiān)控場景的先驗知識確定，也可由經(jīng)驗公式=。 如果對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，或存在由人體姿勢本身造成的局部極大值，則通常這些偽極大值與真實極大值的距離比較接近，可以通過引入一個距離閾值來去除。 ，表示。 圖 為了檢測運動者的數(shù)量，就要分析運動區(qū)域縱向投影值的分布情況。當運動區(qū)域只包含一個運動者是，通過簡單的縱向投影分析就能得到運動區(qū)域的寬度，當運動區(qū)域包含多個運動者時，問題就復雜得多，應根據(jù)各個運動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區(qū)域的寬度。必須指出的是，無論室內(nèi)還是室外環(huán)境中，光照的變化一般比較緩慢，因此運動者的影子通常不會發(fā)生本質(zhì)性的變化。為避免此情況出現(xiàn)，局部極小值計算范圍一般限制在整體輪廓高度中心處20%30%，這時基本能夠得到準確的人體高度。結(jié)合前面得到的人體頭部位置，就可以比較準確地得到人體高度。此時如果將人體輪廓進行橫投影，因為人體腳部輪廓寬度小于腿、腰和肩，運動者的腳部將對應較小的投影值，并且會出現(xiàn)一個局部極小值。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。影子方向不同決定了它對運動區(qū)域檢測的影響不同，如果影子被運動者擋在身后，影響可以忽略不計。 通常情況下，無論室內(nèi)還是室外，運動者都會有影子存在，影子是一塊面積較大灰度值較高的跟隨運動者而動的區(qū)域。 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。受外部條件和人體姿勢影響，簡單的縱向投影得到的局部極大值可能不能準確反映頭部位置。通過以上分析可知，通過縱向投影的形狀就可以大致過濾出非人體，而且通過計算縱向投影的局部極大值可以合理地確定人體頭部位置。當運動區(qū)域包含多個運動者時，可以進一步將前景區(qū)域分割成對應不同運動者的小區(qū)域。怎么將運動的人體和非人體區(qū)分開來呢？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（），所以就可以通過檢測運動區(qū)域的投影來區(qū)別人體和非人體。但是能夠基本保持人體的頭部形狀，這對分析運動者的數(shù)量是至關(guān)重要的。 原始運動區(qū)域 腐蝕運算結(jié)果 開運算結(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區(qū)域，但它對人體運動區(qū)域的損傷更大。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)計等方面的應用奠定了堅實的基礎(chǔ)，近年來形態(tài)學的研究和應用在國內(nèi)外得到了不斷發(fā)展，成為最活躍的領(lǐng)域之一。數(shù)學形態(tài)學是由一系列形態(tài)學的代數(shù)運算子組成的，基本的運算子包括：腐蝕、膨脹、開和閉運算。形態(tài)學最早 Matheron于二十世紀六十年代提出，1985年以后，它逐漸成為分析圖像幾何特征的工具。這樣得出來的二值化圖像就更能表現(xiàn)出二值化圖像中的細節(jié)。局部自適應二值化，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節(jié)方面有很大缺陷。全局二值化就是設(shè)定一個全局的閾值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。動態(tài)調(diào)節(jié)閥值實現(xiàn)圖像的二值化可動態(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，并且其處在一個具有其他等級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個亮度等級的灰度圖像通過適當?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物體，最常用的方法就是設(shè)定一個閾值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。 對于圖像的二維中值濾波一般采用一個含有奇數(shù)個點的滑動窗口，用窗口中各點灰度值的中值代替指定點（一般為窗口中點）的灰度值。 中值濾波中值濾波是一種非線性信號處理方法，后來被二維圖像信號處理技術(shù)所使用。 由于光照條件變化等外部原因和攝像機成像質(zhì)量不佳等原因，每一幀活動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，為此應采用中值濾波的方法處理。通過比較，可以看出當閾值滿足20≦th≦25時，能夠比較準確的得到人體運動區(qū)域的范圍，同時受環(huán)境中非人體運動部分的影響較小，結(jié)合后面的中值濾波和數(shù)學形態(tài)學處理，可以得到更為準確的人體運動區(qū)域的輪廓。 一幀圖像 th=10時運動區(qū)域 th=15時運動區(qū)域 th=20時運動區(qū)域 th=25時運動區(qū)域 th=40時運動區(qū)域 。 （31） 運動圖像與背景模型 ，進一步通過閾值對比就能確定前景區(qū)域。 （1）建立基于統(tǒng)計的背景模型，以在背景略有變化的情況下，檢測出每幀圖像中運動的前景部分； （2）采用中值濾波和數(shù)學形態(tài)學（寬高比）的方法，在運動的前景部分中檢測出對應于人體的運動部分； （3）判斷人體運動部分是否包含多個運動者，如果包含進一步判斷運動者的數(shù)量，并劃分運動區(qū)域。本系統(tǒng)使用256色的BMP文件輸入。所以在一個256色的文件中，位圖數(shù)據(jù)中第一個字節(jié)就是圖像左下角的像素的顏色索引，第二個就是它右邊的那個像素的顏色索引。像素值不是RGB顏色值，而是色表中一個索引。BMP文件的位圖數(shù)據(jù)格式依賴于編碼的每個像素顏色所用的位數(shù)。對于顯示卡來說，如果它不能一次顯示超過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)色板來產(chǎn)生準確的顏色。而對于16位以下的圖像，由于其位圖像素數(shù)據(jù)中記錄的只是調(diào)色板的索引值，因此需要根據(jù)這個索引值到調(diào)色板去取得相應的RGB顏色。 （3）顏色表。 （2）位圖信息頭。包含關(guān)于這個文件的信息。 典型的BMP文件結(jié)構(gòu)：一個位圖文件頭、一個位圖信息頭、一個顏色表（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。這個索引塊為AVI文件中每一個媒體數(shù)據(jù)塊進行索引，并且記錄它們在文件中的偏移。類型碼定義如下：“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AVI中含有多個流時，數(shù)據(jù)塊和數(shù)據(jù)塊間用4個字符碼來區(qū)別。當所有的流都描述后“hdrl”列表的任務就完成了，隨后跟著是用于保存真正媒體流數(shù)據(jù)的“movi”列表。然后就是一個或多個“strl”子列表（文件有多少流就有多少子列表），每個“strl”子列表至少包含一個“strh”塊（保存編碼器的一些配置信息）和一個“strf”塊（保存流的名字），且是可選的。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。RIFF實際數(shù)據(jù)中通常還使用列表（list）和塊（chunk）的形式來組織。RIFF文件使用4字符碼FOURCC來表征數(shù)據(jù)類型。