基于人體特征的運動檢測與跟蹤

2022-05-02    分類： 網站建設

近年來，人體運動視覺分析成為計算機視覺領域備受關注的前沿方向。人體運動視覺分析是從包含人體的圖像序列中檢測、識別、跟蹤人體以及獲取運動參數，進一步對人的行為解釋和描述。它屬于圖像分析和理解的范疇，其研究內容涉及計算機視覺、模式識別、圖像處理、人工智能和人體運動學等方面，是一個跨多學科的研究課題。
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濟價值。它在視頻監(jiān)控、虛擬會議、人機交互、臨床診斷、教育訓練、虛擬現實等方面的應用都引起了廣大科研人員和相關商家的濃厚興趣，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人機交互。另一方面，運動人體檢測與跟蹤算法的實現可以節(jié)它是從圖像序列中提取并描述人體輪廓的運動，然后進行跟蹤，更高級的處理是對人的行為進行識別和理解。
人體運動目標檢測是在輸入圖像中確定運動人體的過程，是整個人體運動分析系統(tǒng)的第一部分，運動目標檢測的目的是將運動人體部分從圖像中提取出來，能否正確地分離運動人體是整個系統(tǒng)成敗的關鍵。運動目標檢測由運動物體分割和運動物體分類兩部分組成。
運動物體的分割
運動物體的分割就是把圖像中的運動部分，比如汽車、行人等分離出來，因為只有運動的部分才是能夠跟蹤的部分。運動部分的分割常常受到光線變化、影子和遮擋等因素的影響。因此選用一種穩(wěn)定可靠的分割方法是很重要的。常用的分割方法有以下幾種。

（1）背景減法。在運動檢測中，背景減法（Background Subtraction）是一種常用的技術，尤其是對于靜態(tài)場景。它首先建立背景模型作為參考圖像，通過將含有運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動部分。
（2）統(tǒng)計方法。統(tǒng)計學方法是基于像素的統(tǒng)計特性從背景中提取運動信息。它首先計算背景像素的統(tǒng)計信息(顏色、灰度、邊界等)，使用個體的像素或一組像素的特征來建立一個較為高級的背景模型，而且背景的統(tǒng)計值可以動態(tài)地更新。通過對比當前背景模型的統(tǒng)計值，圖像中每一個像素被分成前景或是背景。由于統(tǒng)計學方法在噪聲，影子光線改變等于擾條件下具有較好的魯棒性，已經成為研究熱點。
（3）幀間差分法。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。幀間差分對光線等變化不太敏感，對動態(tài)環(huán)境具有很強的自適應性，檢測有效穩(wěn)定。該方法的不足之處是一般不能提取所有相關的特征像素點，在運動實體內部可能會產生空洞現象。特別是當目標移動緩慢時，相鄰兩幀之間的差異很小，很難提取出整個運動區(qū)域，即使提取的區(qū)域也難以完整精確地描述運動目標。
（4）光流法。光流是圖像中各像素點運動的速度分布，它是一種瞬時速度場，即向量場， 每一個向量表示了景物中一個點在圖像中位置的瞬時變化。光流法

（Optical Flow）是利用運動目標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動，通過計算運動物體在幀間的運動向量來檢測運動區(qū)域。在比較理想的情況下，光流法在攝像機運動的條件下能檢測到獨立的運動目標，不需要預先知道場景的任何信息，可以很精確地計算出運動物體的速度。但計算方法復雜，對硬件要求比較高，可靠性差，對噪聲敏感，難于應用在實時的視頻流處理中。
運動物體分類
由運動分割得到的不同運動部分可能屬于不同種類的運動物體，比如人體視頻監(jiān)控系統(tǒng)得到的運動部分就可能包括飛行的鳥、飄動的云和晃動的樹等，要從中提取人體就要進行運動物體分類，把人從運動物體中識別出來。只有正確地識別出人體才能進行下一步的運動跟蹤工作，以及后續(xù)的人體行為理解，所以運動物體的分類是非常必要的。一般可用形態(tài)學方法進行處理，考慮運動目標的分散度、面積、輪廓、高寬比等有關形態(tài)方面的參數，來區(qū)分人以外的運動目標，通過這些方法甚至可以去除部分噪聲的影響。目前分類有兩種：
(1)基于人體特征分類。人不管外形特征還是皮膚顏色都是明顯的，所以人的分類可以采取多種方法?；谛螤畹姆诸愂抢脵z測出來的運動區(qū)域的形狀特征信息來進行物體分類的。通過檢測模塊得到一個二值化的前景圖像，對這個前景圖像進行橫向和縱向的投影可以得到橫向和縱向的長度比，通常稱之為“寬高比”。通過多個人的樣本訓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動目標是否為人體。這個人體特有的特征也可以是人體的“面積"，它指的是在通過檢測模塊得到二值化的圖像中人體所占像素的多少，通過面積的比較，可以除去一般情況下面積較大的運動的汽車、動物、以及擺動的樹葉。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空間來進行檢測與識別。
（2）基于運動的分類。人體運動是非剛體運動，并呈現一定的周期性，這種周期性可以作為區(qū)分運動人體的重要依據。一種方案對于這種周期性的運動進行時頻分析，利用人體運動周期性出現的自相似性來實現分類；還有方案將此方法與光流法結合，根據殘留的大小來實現分類。
運動目標跟蹤

運動目標跟蹤也是計算機視覺領域的重要內容，它利用運動目標分割的結果，又為運動的分析理解等高級內容提供基礎。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。目前常用的跟蹤方案有以下4種.

(1)基于模型的跟蹤?；谀Ｐ偷娜诉\動跟蹤方法首先預定義一個模型，然后再將實際運動與該模型匹配。模型通常由關節(jié)和線條骨架組成，用軸來表示狀態(tài)空間中的關節(jié)自由度，用狀態(tài)空間來描述姿態(tài)。其原理是先預測下一圖像的姿態(tài)再將這一預測模型分析、合成、抽象然后與真實圖像數據比較，直到找到最匹配的模型，并且更新系統(tǒng)模型。人體的幾何模型有簡單到復雜可以建立為棍狀模型，二維邊界模型和三維立體模型，建立模型之后就可以通過將運動物體與模型對比從而實現跟蹤。由棍狀模型到二維邊界模型，再到三維立體模型，所實現的跟蹤精度越來越高，但計算量也在增大。
（2）基于區(qū)域的跟蹤。區(qū)域跟蹤思想是把每個運動物體與某個運動區(qū)域聯(lián)系起來，然后對該區(qū)域進行跟蹤。區(qū)域跟蹤實現較為簡單，在許多系統(tǒng)中有廣泛應用，但在兩種情況下有很大困難，一是人體存在較長影子，二是人體有重疊交錯現象。
（3）基于動態(tài)邊界跟蹤。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。該方案計算量小，但是要求獨立準確的初始化邊界，實際中很難實現。
（4）基于特征的跟蹤。 它包括特征提取和特征匹配兩個基本過程。該方法通過跟蹤目標的特征點、特征線來實現對人的跟蹤，通常還需要結合紋理、色彩及形狀 特征來提高跟蹤的魯棒性。盡管對目標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。在進行目標跟蹤時，為了保證跟蹤的可靠性和準確性，往往幾種算法混合才能得到更好的跟蹤效果。這種方法在被跟蹤目標出現遮擋交錯等現象時仍能實現較為準確的跟蹤。

文章名稱：基于人體特征的運動檢測與跟蹤
標題網址：http://muchs.cn/news/149156.html

成都網站建設公司_創(chuàng)新互聯(lián)，為您提供企業(yè)建站、網站導航、網站營銷、App開發(fā)、網站設計、Google

廣告

聲明：本網站發(fā)布的內容（圖片、視頻和文字）以用戶投稿、用戶轉載內容為主，如果涉及侵權請盡快告知，我們將會在第一時間刪除。文章觀點不代表本網站立場，如需處理請聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內容未經允許不得轉載，或轉載時需注明來源： 創(chuàng)新互聯(lián)

營銷型網站建設