復(fù)雜交通環(huán)境下的運動人體檢測研究.pdf

1、運動人體檢測是視覺人體運動分析中的關(guān)鍵技術(shù),是進行各種后續(xù)處理如運動人體識別、運動人體跟蹤的前提和基礎(chǔ),在高級人機交互、視頻會議、智能視頻監(jiān)控等方面具有廣泛的應(yīng)用前景和潛在價值,成為近年來國內(nèi)外眾多學(xué)者研究的熱點問題。在其部分應(yīng)用領(lǐng)域中,如智能交通客流檢測等,為了防止人體目標(biāo)的遮擋和覆蓋情況,大多采用垂直向下的俯拍。在這類俯拍視頻圖像中人體的頭部信息相對完整,被廣泛地作為人體的局部特征用于人體檢測。本文緊密圍繞復(fù)雜交通環(huán)境下俯視圖像中運

2、動人體檢測問題,首先提出了基于改進的脈沖耦合神經(jīng)網(wǎng)絡(luò)模型的視頻濾波預(yù)處理方法,然后以不同分辨率下的視頻序列為研究對象,分別提出了適用于較低分辨率的基于灰度特征的運動人體頭部區(qū)域檢測方法和適用于較高分辨率的基于輪廓特征的運動人體頭部檢測方法。
　　 在視頻濾波預(yù)處理方面,針對脈沖耦合神經(jīng)網(wǎng)絡(luò)簡化模型在圖像濾波中存在的問題,運用反證法證明其對椒噪聲檢測失效,采用分而治之法對其進行改進,利用改進模型檢測圖像的污染程度、確定噪聲的具體位

3、置、自適應(yīng)地確定中值濾波窗口的大小,實現(xiàn)視頻圖像濾波預(yù)處理。實驗結(jié)果表明,此方法對不同密度的椒鹽噪聲都具有較好的濾波性能,提高了后續(xù)運動人體檢測的檢測質(zhì)量。
　　 在運動人體檢測方面,針對復(fù)雜交通環(huán)境下俯視圖像中運動人體檢測存在的誤檢漏檢問題,以不同分辨率下的視頻序列為研究對象,分別提出了適用于較低分辨率的基于灰度特征的運動人體頭部區(qū)域檢測方法和適用于較高分辨率的基于輪廓特征的運動人體頭部檢測方法。前者根據(jù)人體頭部的灰度特征,對

4、雙閾值法進行改進,利用改進后的雙閾值法檢測目標(biāo)所在區(qū)域,采用區(qū)域生長法分割出目標(biāo),使得此方法在出現(xiàn)慢速運動的人體頭部目標(biāo)以及背景中出現(xiàn)光照變化和異物干擾等情況下均具有較好的檢測能力。后者根據(jù)人體頭部目標(biāo)的輪廓特征,用分塊對稱差分法對背景進行實時更新,結(jié)合對稱差分法和背景消減法提取運動目標(biāo),用基于梯度的隨機Hough快速圓檢測方法對運動人體頭部進行檢測,較好地解決了出現(xiàn)強烈的光照變化、非人體頭部目標(biāo)以及禿頂、帶帽或衣服顏色與頭頂顏色近似的