基于人體特征的運(yùn)動(dòng)檢測(cè)與跟蹤

2022-05-02    分類： 網(wǎng)站建設(shè)

近年來(lái)，人體運(yùn)動(dòng)視覺(jué)分析成為計(jì)算機(jī)視覺(jué)領(lǐng)域備受關(guān)注的前沿方向。人體運(yùn)動(dòng)視覺(jué)分析是從包含人體的圖像序列中檢測(cè)、識(shí)別、跟蹤人體以及獲取運(yùn)動(dòng)參數(shù)，進(jìn)一步對(duì)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?jī)?nèi)容涉及計(jì)算機(jī)視覺(jué)、模式識(shí)別、圖像處理、人工智能和人體運(yùn)動(dòng)學(xué)等方面，是一個(gè)跨多學(xué)科的研究課題。
運(yùn)動(dòng)人體檢測(cè)和跟蹤是人體運(yùn)動(dòng)視覺(jué)分析的一個(gè)重要組成部分，有著廣泛的前景和經(jīng)濟(jì)價(jià)值。它在視頻監(jiān)控、虛擬會(huì)議、人機(jī)交互、臨床診斷、教育訓(xùn)練、虛擬現(xiàn)實(shí)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(chǎng)、軍事基地等對(duì)安防要求較高的場(chǎng)合，實(shí)時(shí)的視覺(jué)監(jiān)控將有重要意義；在智能控制方面，可以通過(guò)對(duì)人臉識(shí)別和表情分析以及手勢(shì)識(shí)別等更好的實(shí)現(xiàn)人機(jī)交互。另一方面，運(yùn)動(dòng)人體檢測(cè)與跟蹤算法的實(shí)現(xiàn)可以節(jié)它是從圖像序列中提取并描述人體輪廓的運(yùn)動(dòng)，然后進(jìn)行跟蹤，更高級(jí)的處理是對(duì)人的行為進(jìn)行識(shí)別和理解。
人體運(yùn)動(dòng)目標(biāo)檢測(cè)是在輸入圖像中確定運(yùn)動(dòng)人體的過(guò)程，是整個(gè)人體運(yùn)動(dòng)分析系統(tǒng)的第一部分，運(yùn)動(dòng)目標(biāo)檢測(cè)的目的是將運(yùn)動(dòng)人體部分從圖像中提取出來(lái)，能否正確地分離運(yùn)動(dòng)人體是整個(gè)系統(tǒng)成敗的關(guān)鍵。運(yùn)動(dòng)目標(biāo)檢測(cè)由運(yùn)動(dòng)物體分割和運(yùn)動(dòng)物體分類兩部分組成。
運(yùn)動(dòng)物體的分割
運(yùn)動(dòng)物體的分割就是把圖像中的運(yùn)動(dòng)部分，比如汽車、行人等分離出來(lái)，因?yàn)橹挥羞\(yùn)動(dòng)的部分才是能夠跟蹤的部分。運(yùn)動(dòng)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(yùn)動(dòng)檢測(cè)中，背景減法（Background Subtraction）是一種常用的技術(shù)，尤其是對(duì)于靜態(tài)場(chǎng)景。它首先建立背景模型作為參考圖像，通過(guò)將含有運(yùn)動(dòng)物體的圖像與事先通過(guò)背景模型得到的背景圖像相減得到運(yùn)動(dòng)部分。
（2）統(tǒng)計(jì)方法。統(tǒng)計(jì)學(xué)方法是基于像素的統(tǒng)計(jì)特性從背景中提取運(yùn)動(dòng)信息。它首先計(jì)算背景像素的統(tǒng)計(jì)信息(顏色、灰度、邊界等)，使用個(gè)體的像素或一組像素的特征來(lái)建立一個(gè)較為高級(jí)的背景模型，而且背景的統(tǒng)計(jì)值可以動(dòng)態(tài)地更新。通過(guò)對(duì)比當(dāng)前背景模型的統(tǒng)計(jì)值，圖像中每一個(gè)像素被分成前景或是背景。由于統(tǒng)計(jì)學(xué)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(jīng)成為研究熱點(diǎn)。
（3）幀間差分法。幀間差分法（Temporal Differencing）是在圖像序列中通過(guò)相鄰兩幀或者三幀圖像像素差，提取運(yùn)動(dòng)區(qū)域的運(yùn)動(dòng)目標(biāo)檢測(cè)方法。幀間差分對(duì)光線等變化不太敏感，對(duì)動(dòng)態(tài)環(huán)境具有很強(qiáng)的自適應(yīng)性，檢測(cè)有效穩(wěn)定。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(diǎn)，在運(yùn)動(dòng)實(shí)體內(nèi)部可能會(huì)產(chǎn)生空洞現(xiàn)象。特別是當(dāng)目標(biāo)移動(dòng)緩慢時(shí)，相鄰兩幀之間的差異很小，很難提取出整個(gè)運(yùn)動(dòng)區(qū)域，即使提取的區(qū)域也難以完整精確地描述運(yùn)動(dòng)目標(biāo)。
（4）光流法。光流是圖像中各像素點(diǎn)運(yùn)動(dòng)的速度分布，它是一種瞬時(shí)速度場(chǎng)，即向量場(chǎng)， 每一個(gè)向量表示了景物中一個(gè)點(diǎn)在圖像中位置的瞬時(shí)變化。光流法

（Optical Flow）是利用運(yùn)動(dòng)目標(biāo)在序列圖像中的位置隨時(shí)間變化的光流特性，用來(lái)描述相鄰幀之間某像素點(diǎn)的運(yùn)動(dòng)，通過(guò)計(jì)算運(yùn)動(dòng)物體在幀間的運(yùn)動(dòng)向量來(lái)檢測(cè)運(yùn)動(dòng)區(qū)域。在比較理想的情況下，光流法在攝像機(jī)運(yùn)動(dòng)的條件下能檢測(cè)到獨(dú)立的運(yùn)動(dòng)目標(biāo)，不需要預(yù)先知道場(chǎng)景的任何信息，可以很精確地計(jì)算出運(yùn)動(dòng)物體的速度。但計(jì)算方法復(fù)雜，對(duì)硬件要求比較高，可靠性差，對(duì)噪聲敏感，難于應(yīng)用在實(shí)時(shí)的視頻流處理中。
運(yùn)動(dòng)物體分類
由運(yùn)動(dòng)分割得到的不同運(yùn)動(dòng)部分可能屬于不同種類的運(yùn)動(dòng)物體，比如人體視頻監(jiān)控系統(tǒng)得到的運(yùn)動(dòng)部分就可能包括飛行的鳥、飄動(dòng)的云和晃動(dòng)的樹等，要從中提取人體就要進(jìn)行運(yùn)動(dòng)物體分類，把人從運(yùn)動(dòng)物體中識(shí)別出來(lái)。只有正確地識(shí)別出人體才能進(jìn)行下一步的運(yùn)動(dòng)跟蹤工作，以及后續(xù)的人體行為理解，所以運(yùn)動(dòng)物體的分類是非常必要的。一般可用形態(tài)學(xué)方法進(jìn)行處理，考慮運(yùn)動(dòng)目標(biāo)的分散度、面積、輪廓、高寬比等有關(guān)形態(tài)方面的參數(shù)，來(lái)區(qū)分人以外的運(yùn)動(dòng)目標(biāo)，通過(guò)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(cè)出來(lái)的運(yùn)動(dòng)區(qū)域的形狀特征信息來(lái)進(jìn)行物體分類的。通過(guò)檢測(cè)模塊得到一個(gè)二值化的前景圖像，對(duì)這個(gè)前景圖像進(jìn)行橫向和縱向的投影可以得到橫向和縱向的長(zhǎng)度比，通常稱之為“寬高比”。通過(guò)多個(gè)人的樣本訓(xùn)練可以得到一般人體的“寬高比"，這個(gè)“寬高比"作為人體特有的特征，可以用于確定檢測(cè)出的運(yùn)動(dòng)目標(biāo)是否為人體。這個(gè)人體特有的特征也可以是人體的“面積"，它指的是在通過(guò)檢測(cè)模塊得到二值化的圖像中人體所占像素的多少，通過(guò)面積的比較，可以除去一般情況下面積較大的運(yùn)動(dòng)的汽車、動(dòng)物、以及擺動(dòng)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(guò)識(shí)別人臉裸露的皮膚來(lái)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(lái)進(jìn)行檢測(cè)與識(shí)別。
（2）基于運(yùn)動(dòng)的分類。人體運(yùn)動(dòng)是非剛體運(yùn)動(dòng)，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(dòng)人體的重要依據(jù)。一種方案對(duì)于這種周期性的運(yùn)動(dòng)進(jìn)行時(shí)頻分析，利用人體運(yùn)動(dòng)周期性出現(xiàn)的自相似性來(lái)實(shí)現(xiàn)分類；還有方案將此方法與光流法結(jié)合，根據(jù)殘留的大小來(lái)實(shí)現(xiàn)分類。
運(yùn)動(dòng)目標(biāo)跟蹤

運(yùn)動(dòng)目標(biāo)跟蹤也是計(jì)算機(jī)視覺(jué)領(lǐng)域的重要內(nèi)容，它利用運(yùn)動(dòng)目標(biāo)分割的結(jié)果，又為運(yùn)動(dòng)的分析理解等高級(jí)內(nèi)容提供基礎(chǔ)。跟蹤的目的是在幀與幀之間建立人體運(yùn)動(dòng)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。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\(yùn)動(dòng)跟蹤方法首先預(yù)定義一個(gè)模型，然后再將實(shí)際運(yùn)動(dòng)與該模型匹配。模型通常由關(guān)節(jié)和線條骨架組成，用軸來(lái)表示狀態(tài)空間中的關(guān)節(jié)自由度，用狀態(tài)空間來(lái)描述姿態(tài)。其原理是先預(yù)測(cè)下一圖像的姿態(tài)再將這一預(yù)測(cè)模型分析、合成、抽象然后與真實(shí)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。人體的幾何模型有簡(jiǎn)單到復(fù)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(guò)將運(yùn)動(dòng)物體與模型對(duì)比從而實(shí)現(xiàn)跟蹤。由棍狀模型到二維邊界模型，再到三維立體模型，所實(shí)現(xiàn)的跟蹤精度越來(lái)越高，但計(jì)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(gè)運(yùn)動(dòng)物體與某個(gè)運(yùn)動(dòng)區(qū)域聯(lián)系起來(lái)，然后對(duì)該區(qū)域進(jìn)行跟蹤。區(qū)域跟蹤實(shí)現(xiàn)較為簡(jiǎn)單，在許多系統(tǒng)中有廣泛應(yīng)用，但在兩種情況下有很大困難，一是人體存在較長(zhǎng)影子，二是人體有重疊交錯(cuò)現(xiàn)象。
（3）基于動(dòng)態(tài)邊界跟蹤。動(dòng)態(tài)邊界模型又叫snake，能夠表示不斷變化的運(yùn)動(dòng)人體的邊界。該方案計(jì)算量小，但是要求獨(dú)立準(zhǔn)確的初始化邊界，實(shí)際中很難實(shí)現(xiàn)。
（4）基于特征的跟蹤。 它包括特征提取和特征匹配兩個(gè)基本過(guò)程。該方法通過(guò)跟蹤目標(biāo)的特征點(diǎn)、特征線來(lái)實(shí)現(xiàn)對(duì)人的跟蹤，通常還需要結(jié)合紋理、色彩及形狀 特征來(lái)提高跟蹤的魯棒性。盡管對(duì)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(méi)有聯(lián)系的。在進(jìn)行目標(biāo)跟蹤時(shí)，為了保證跟蹤的可靠性和準(zhǔn)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(biāo)出現(xiàn)遮擋交錯(cuò)等現(xiàn)象時(shí)仍能實(shí)現(xiàn)較為準(zhǔn)確的跟蹤。

網(wǎng)頁(yè)題目：基于人體特征的運(yùn)動(dòng)檢測(cè)與跟蹤
分享地址：http://www.muchs.cn/news6/149156.html

成都網(wǎng)站建設(shè)公司_創(chuàng)新互聯(lián)，為您提供企業(yè)建站、營(yíng)銷型網(wǎng)站建設(shè)、網(wǎng)站策劃、品牌網(wǎng)站設(shè)計(jì)、面包屑導(dǎo)航、域名注冊(cè)

廣告

聲明：本網(wǎng)站發(fā)布的內(nèi)容（圖片、視頻和文字）以用戶投稿、用戶轉(zhuǎn)載內(nèi)容為主，如果涉及侵權(quán)請(qǐng)盡快告知，我們將會(huì)在第一時(shí)間刪除。文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng)，如需處理請(qǐng)聯(lián)系客服。電話：028-86922220；郵箱：631063699@qq.com。內(nèi)容未經(jīng)允許不得轉(zhuǎn)載，或轉(zhuǎn)載時(shí)需注明來(lái)源： 創(chuàng)新互聯(lián)

綿陽(yáng)服務(wù)器托管