視頻監(jiān)控中相互遮擋人體的跟蹤.pdf

1、在社會信息化發(fā)展過程中，智能監(jiān)控以及單人體跟蹤系統(tǒng)也得到長足的發(fā)展，并且有了一定的應(yīng)用。然而，多人體跟蹤系統(tǒng)研究一直是一個難點問題，由于受陰影、光照以及人體之間的互遮擋影響，導(dǎo)致目標(biāo)跟蹤錯誤或丟失。本文主要關(guān)注視頻監(jiān)控中互相遮擋人體的跟蹤問題，完成的主要工作如下：
　　(1)對于運動的檢測,為了避免光照和陰影給前景檢測帶來的影響，提出了背景模型和背景邊界模型相結(jié)合的前景檢測模型。該模型能夠較完整的獲取前景目標(biāo)，能夠有效避免光照和陰

2、影給前景檢測帶來的影響。
　　(2)視頻監(jiān)控中，擁擠人群的遮擋給人體分割和跟蹤帶來很大困難。為了解決該問題，提出了人體模型和人體邊緣曲線相結(jié)合的人體分割方法。此方法依據(jù)人體邊界像素點繪制人體邊界曲線，通過對邊界曲線的處理來確定人體頭部的寬度，最后根據(jù)人體模型來確定人體各部分的比例。由于本文提出的分割方法是將對二維圖像的處理轉(zhuǎn)化為對一維曲線的處理，因此，此方法具有簡單而且實時性好的優(yōu)點。
　　(3)采用分層Dirichlet過

3、程(HDP)與BP網(wǎng)絡(luò)相結(jié)合的人體跟蹤模型。本文提出的遮擋處理方法能夠有效的解決人體遮擋問題，但也會造成人體特征值存在較大的缺損、畸變，而BP神經(jīng)網(wǎng)絡(luò)可處理一些環(huán)境信息十分復(fù)雜，推理規(guī)則不明確的問題，允許樣本有較大的缺損、畸變，其學(xué)習(xí)和訓(xùn)練算法相對簡單、速度快，因此本文采用BP神經(jīng)網(wǎng)絡(luò)作為人體跟蹤模型。本文跟蹤系統(tǒng)分為在線人體跟蹤和離線網(wǎng)絡(luò)學(xué)習(xí)兩個子系統(tǒng)。在線跟蹤過程中，用HDP對當(dāng)前幀中得到的人體特征向量與知識庫中人體特征數(shù)據(jù)進行聚類