【正文】 圖 算法流程 讀取與屏幕顯示 AVI格式 整個人體跟蹤系統(tǒng)的輸入采用AVI文件。采用中值濾波和數(shù)學(xué)形態(tài)學(xué)方法（投影確定寬高比）可以準(zhǔn)確得到人體運(yùn)動部分。 第3章 算法實現(xiàn) 本文主要對室內(nèi)、室外固定攝像背景下運(yùn)動人體進(jìn)行檢測與跟蹤。這種方法在被跟蹤目標(biāo)出現(xiàn)遮擋交錯等現(xiàn)象時仍能實現(xiàn)較為準(zhǔn)確的跟蹤。 盡管對目標(biāo)跟蹤的算法可以粗略地分為上述幾類，但是這些方法并不是孤 立沒有聯(lián)系的。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。 它包括特征提取和特征匹配兩個基本過程。該方案計算量小，但是要求獨(dú)立準(zhǔn)確的初始化邊界，實際中很難實現(xiàn)。 （3）基于動態(tài)邊界跟蹤。區(qū)域跟蹤思想是把每個運(yùn)動物體與某個運(yùn)動區(qū)域聯(lián)系起來，然后對該區(qū)域進(jìn)行跟蹤。由棍狀模型到二維邊界模型，再到三維立體模型，所實現(xiàn)的跟蹤精度越來越高，但計算量也在增大。其原理是先預(yù)測下一圖像的姿態(tài)再將這一預(yù)測模型分析、合成、抽象然后與真實圖像數(shù)據(jù)比較，直到找到最匹配的模型，并且更新系統(tǒng)模型?；谀Ｐ偷娜诉\(yùn)動跟蹤方法首先預(yù)定義一個模型，然后再將實際運(yùn)動與該模型匹配。跟蹤的目的是在幀與幀之間建立人體運(yùn)動目標(biāo)的某些特征，若位置、速度、形狀、紋理和顏色等之間的聯(lián)系。 實際中可以兩種方法結(jié)合使用，顯然如果能夠合理利用圖像的顏色信息和運(yùn)動部分的速度信息，分類的結(jié)果將更加可靠。人體運(yùn)動是非剛體運(yùn)動，并呈現(xiàn)一定的周期性，這種周期性可以作為區(qū)分運(yùn)動人體的重要依據(jù)。另外的一些屬于人體特有的特征還可以是人的皮膚顏色，因此可以通過識別人臉裸露的皮膚來確定是否有人的存在，這通常需要在色彩空間如RGB空間、HIS空間或YUV空間來進(jìn)行檢測與識別。通過多個人的樣本訓(xùn)練可以得到一般人體的“寬高比，這個“寬高比作為人體特有的特征，可以用于確定檢測出的運(yùn)動目標(biāo)是否為人體?；谛螤畹姆诸愂抢脵z測出來的運(yùn)動區(qū)域的形狀特征信息來進(jìn)行物體分類的。目前分類有兩種：(1)基于人體特征分類。只有正確地識別出人體才能進(jìn)行下一步的運(yùn)動跟蹤工作，以及后續(xù)的人體行為理解，所以運(yùn)動物體的分類是非常必要的。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。光流法（Optical Flow）是利用運(yùn)動目標(biāo)在序列圖像中的位置隨時間變化的光流特性，用來描述相鄰幀之間某像素點的運(yùn)動，通過計算運(yùn)動物體在幀間的運(yùn)動向量來檢測運(yùn)動區(qū)域。 （4）光流法。 (d)、連通區(qū)域判斷。 T為設(shè)定閾值，為二值圖像 (c)、形態(tài)學(xué)濾波。一般過程見圖22 幀間差分法圖中，表示第k幀圖像，則檢測和提取運(yùn)動區(qū)域的過程包括以下幾步： （a）、幀間差分。采用這種方法時，要考慮運(yùn)動目標(biāo)的移動速度，選擇合適的時間間隔。該方法的不足之處是一般不能提取所有相關(guān)的特征像素點，在運(yùn)動實體內(nèi)部可能會產(chǎn)生空洞現(xiàn)象。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(yùn)動區(qū)域的運(yùn)動目標(biāo)檢測方法。但隨著計算機(jī)運(yùn)算能力的日益增強(qiáng)，問題有望得到改善。林洪文陽利用統(tǒng)計學(xué)的方法獲得背景模型，實時地對背景模型更新以適應(yīng)光線和場景自身的變化，用形態(tài)學(xué)方法和檢測連通域面積的方法進(jìn)行處理，消除噪聲和背景擾動帶來的影響，在HSV色度空間下檢測陰影，得到準(zhǔn)確的運(yùn)動目標(biāo)。Haritaoglu的文章同樣建立了統(tǒng)計模型。Stauffer和Grimson∞3的文章提出了一種實時跟蹤中運(yùn)用自適應(yīng)背景混合 模型來檢測背景圖像的方法。通過對比當(dāng)前背景模型的統(tǒng)計值，圖像中每一個像素被分成前景或是背景。統(tǒng)計學(xué)方法是基于像素的統(tǒng)計特性從背景中提取運(yùn)動信息。Karmana與BrandtHl，Kilger喳采用基于卡爾曼濾波器(Kalman filtering)的自適應(yīng)模型以適應(yīng)天氣和光照的時間變化。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(biāo)，過低會產(chǎn)生大量的無關(guān)噪聲(如影子)等缺陷。背景模型的建立主要有3種方法，一是通過求多幅圖像的像素點均值得到，二是通過多幅圖像的像素點中值得到，三是通過建立自適應(yīng)模型得到，從而能對抗外部環(huán)境變化。它首先建立背景模型作為參考圖像，通過將含有運(yùn)動物體的圖像與事先通過背景模型得到的背景圖像相減得到運(yùn)動部分其原理如圖 21 所示。 （1）背景減法。因此選用一種穩(wěn)定可靠的分割方法是很重要的。 運(yùn)動物體分割 運(yùn)動物體的分割就是把圖像中的運(yùn)動部分，比如汽車、行人等分離出來，因為只有運(yùn)動的部分才是能夠跟蹤的部分。 人體運(yùn)動檢測方法 人體運(yùn)動目標(biāo)檢測是在輸入圖像中確定運(yùn)動人體的過程，是整個人體運(yùn)動分析系統(tǒng)的第一部分，運(yùn)動目標(biāo)檢測的目的是將運(yùn)動人體部分從圖像中提取出來，能否正確地分離運(yùn)動人體是整個系統(tǒng)成敗的關(guān)鍵。根據(jù)攝像頭是否靜止，可以將監(jiān)視場景分為靜態(tài)背景類型和動態(tài)背景類型：根據(jù)所包含的人體個數(shù)，可以將檢測對象分為單人檢測跟蹤和多人檢測跟蹤；根據(jù)環(huán)境中運(yùn)動人體有無遮擋，可以將跟蹤分為有遮擋跟蹤和無遮擋簡單跟蹤。該算法可以檢測到運(yùn)動者的數(shù)量和具體位置，但要手動設(shè)定背景。在水平與垂直連個方向上根據(jù)特征點位置分別建立卡爾曼濾波器，通過預(yù)測下一幀中該特征點的位置建立連續(xù)幀之間的特征點的聯(lián)系。對于人體運(yùn)動區(qū)域，該系統(tǒng)將輪廓投影分析和形狀分析相結(jié)合，可以有效的去除大面積非人體活動區(qū)域和影子的影響，能夠分析前景活動區(qū)包含幾個運(yùn)動者，將區(qū)域合理分配各每個運(yùn)動者，并分別進(jìn)行跟中。在運(yùn)動人體檢測方面使用統(tǒng)計方法，首先建立背景模型并周期性更新，通過把圖像某像素點與模型比較得到運(yùn)動的前景部分。本文針對單個攝像機(jī)及攝像機(jī)靜止的條件下，設(shè)計一種適用于簡單環(huán)境下多人移動目標(biāo)的跟蹤算法。 本文研究內(nèi)容 由于人體運(yùn)動的復(fù)雜性，從目前的研究現(xiàn)狀和技術(shù)水平來看，建立一個適合所有情況的運(yùn)動人體檢測與跟蹤系統(tǒng)是不現(xiàn)實的。因此，選擇有效的算法和方案來適應(yīng)不同的應(yīng)用，提高系統(tǒng)的性能，降低計算復(fù)雜度具有很大的意義。一般而言，人體運(yùn)動分析系統(tǒng)的三個基本要求是魯棒性、準(zhǔn)確性、實時性。運(yùn)動目標(biāo)長時間停留在場景中，可能變成背景目標(biāo)，造成跟蹤丟失。在復(fù)雜場景中，尤其是擁擠環(huán)境下，人與人之間、人與其他運(yùn)動目標(biāo)可能會相互遮擋，人體也會發(fā)生自遮擋，如何判斷遮擋的開始和結(jié)束，采取何種策略處理遮擋，對檢測和跟蹤的準(zhǔn)確性帶來很大的影響。因此，對運(yùn)動物體如何有效分類，避免或減少跟蹤目標(biāo)的丟失，能區(qū)分虛假目標(biāo)，進(jìn)而提高跟蹤算法的有效性，有著重要的作用。 （2）場景中運(yùn)動物體的干擾。環(huán)境會隨著時間變化，如光線的強(qiáng)弱，會影響圖像的亮度、對比度及陰影；移動人體所穿衣服顏色與背景相似時，很難從背景中分離出人體目標(biāo)。而運(yùn)動檢測與跟蹤算法的魯棒性、準(zhǔn)確性和實時性的統(tǒng)一仍是尚未解決好和正在努力追求的目標(biāo)[5]，難以采用一個通用的方法研究，滿足所有環(huán)境下的性能要求。 而且由于人體是非剛性物體，運(yùn)動比較靈活、復(fù)雜，具有不規(guī)則性，因此很難找到統(tǒng)一的模型描述人體的運(yùn)動。 (4)單幅圖像處理難以實現(xiàn)對人體的可靠檢測，因而必須對序列圖像進(jìn)行 處理，需要存儲和處理的數(shù)據(jù)量大，且系統(tǒng)的實時性能很難保證。當(dāng)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(yùn)動的人體。如人體運(yùn)動期間不被遮擋、背景相對簡單、攝像機(jī)靜止不動等。行人運(yùn)動跟蹤和分析還需要不斷發(fā)展。 運(yùn)動人體檢測與跟蹤難點 盡管許多學(xué)者已經(jīng)進(jìn)行了有益的嘗試，但是由于行人運(yùn)動的復(fù)雜性和不規(guī) 則性，使它很難用一個統(tǒng)一的方法進(jìn)行研究。而國內(nèi)的一些團(tuán)隊也對人體運(yùn)動分析的某一部分進(jìn)行了深入的研究，比如說中科院研究生院李華、劉國羿研究了基于人體姿態(tài)和骨架的檢測算法；中南大學(xué)李弟平研究了一種基于人體上半身形態(tài)的運(yùn)動檢測算法。目前已有許多人體檢測和跟蹤的系統(tǒng)，如 [4]開發(fā)的實時人體跟蹤系統(tǒng) Pfinder，該系統(tǒng)跟蹤復(fù)雜場景下非擁擠人群中的單個人，已用于許多應(yīng)用中；美國國際商用機(jī)器公司與美國馬里蘭大學(xué)聯(lián)合開發(fā)了的實時智能視頻監(jiān)控系統(tǒng) W4，它建立人類外形的的模型，可以檢測和跟蹤人群和在擁擠環(huán)境下的人體行為，用于民宅、停車場和銀行等場合；美國 DARPA 資助卡內(nèi)基梅隆大學(xué)戴維 SARNOFF 研究中心等大學(xué)和公司合作聯(lián)合研制開發(fā)的 VSAM 視頻監(jiān)視與監(jiān)控系統(tǒng)，該系統(tǒng)能夠用于普通民用場景以及戰(zhàn)場的實時監(jiān)控；Olsen等開發(fā)的單人跟蹤系統(tǒng)TI 系統(tǒng)，它使用運(yùn)動檢測的方法檢測室內(nèi)場景下的運(yùn)動物體，使用一階預(yù)測跟蹤他們并識別其行為。節(jié)約大量的人力資源和物質(zhì)資源，極大地降低了監(jiān)控特定區(qū)域的成本。這項技術(shù)研究內(nèi)容豐要涉及到運(yùn)動目標(biāo)檢測與提取、運(yùn)動人體識別、運(yùn)動人體跟蹤、運(yùn)動分析與運(yùn)動理解、視頻認(rèn)證等方面的內(nèi)容。通過實時地觀測被監(jiān)視場景的運(yùn)動目標(biāo)，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。它在視頻會議、醫(yī)療診斷、高級人機(jī)交互、小區(qū)、超市、銀行等地帶的安全監(jiān)控，游戲動畫中人的虛擬現(xiàn)實及基于內(nèi)容的圖像存儲與檢索等方面具有廣泛的應(yīng)用前景和潛在的經(jīng)濟(jì)價值。它在視頻監(jiān)控、虛擬會議、人機(jī)交互、臨床診斷、教育訓(xùn)練、虛擬現(xiàn)實等方面的應(yīng)用都引起了廣大科研人員和相關(guān)商家的濃厚興趣，例如在銀行、商場、軍事基地等對安防要求較高的場合，實時的視覺監(jiān)控將有重要意義；在智能控制方面，可以通過對人臉識別和表情分析以及手勢識別等更好的實現(xiàn)人機(jī)交互。它屬于圖像分析和理解的范疇，其研究內(nèi)容涉及計算機(jī)視覺、模式識別、圖像處理、人工智能和人體運(yùn)動學(xué)等方面，是一個跨多學(xué)科的研究課題。 近年來，人體運(yùn)動視覺分析成為計算機(jī)視覺領(lǐng)域備受關(guān)注的前沿方向。目前己廣泛應(yīng)用于工業(yè)、微生物領(lǐng)域、醫(yī)學(xué)、遙感、航空航天及國防等許多重要領(lǐng)域,而且多年來一直得到世界各科技強(qiáng)國的廣泛關(guān)注。 數(shù)字圖像處理技術(shù)是從20世紀(jì)60年代以來隨著計算機(jī)技術(shù)和VISL(VisualInteraetive SnyatxLeaming)的發(fā)展而產(chǎn)生、發(fā)展和不斷成熟起來的一個新技術(shù)領(lǐng)域,它在理論上和實際應(yīng)用上都取得了巨大的成就。到了80年代中期,機(jī)器視覺獲得了蓬勃發(fā)展,新概念、新方法、新理論不斷涌現(xiàn)；尤其是近年來,機(jī)器視覺技術(shù)正廣泛地應(yīng)用于各個方面,從醫(yī)學(xué)圖像到遙感圖像,從工業(yè)檢測到文件處理,從毫微米技術(shù)到多媒體數(shù)據(jù)庫,從安全鑒別、監(jiān)視與跟蹤到國防系統(tǒng),不一而足。 目錄摘要.....................................................................................................IABSRACT ........................................................................................II第1章 緒論......................................................................................1 ......................................................................2 ......................................................3 ..........................................................................4第2章 人體運(yùn)動目標(biāo)檢測與跟蹤理論概述..................................6 人體運(yùn)動目標(biāo)方法.................................................................6 .................................................................6 .................................................................9 運(yùn)動目標(biāo)跟蹤.............