室內場景的人體跟蹤與行為分析.pdf

1、本論文是“基于多模式智能視覺感知與移動3G網絡的空巢老人監(jiān)護系統(tǒng)”項目的一部分，該項目旨在對室內空巢老人的異常行為進行識別和預警。通過對前景檢測、人體跟蹤和行為分析算法進行改進和整合，在連接相機的PC客戶端上實現對空巢老人實時的穩(wěn)健跟蹤與行為分析，然后把行為分析結果上傳到遠程服務器端，最后再把信息實時發(fā)送到子女或監(jiān)護人的安卓App客戶端。由此最終構建了一套基于計算機視覺的自動化空巢老人監(jiān)護解決方案，具有廣泛的應用前景。
　　本文的

2、主要研究內容如下：
　　1.運動目標檢測和多人體跟蹤：在室內場景視頻的運動目標檢測中，比較了稠密光流法(Dense Optical Flow,DOF)、ViBE(Visual Background Extractor)算法和高斯混合模型(Gaussian Mixture Model，GMM)這三種經典方法的前景檢測效果，最終決定采用各方面性能均衡的GMM算法。在GMM算法基礎上，整合了倒影檢測算法來去除倒影，在前景圖像預處理中使用

3、了特別的形態(tài)學處理方法來聚類人體前景塊和去除前景噪聲。在前景Blob的人體分類中，針對經典的HOG(Histogram of Oriented Gradient)特征行人檢測算法在真實場景下錯誤率高和速度慢的缺點，本文只對跟蹤到的前景Blob區(qū)域做行人檢測。在基于前景Blob的跟蹤算法中，根據幀與幀的Blob的幾何特征信息實現了一個簡單的Blob Tracking系統(tǒng)。為了克服Blob Tracking無法處理多人遮擋和靜止跟蹤的問題，

4、本文用KLT(Kanade-Lucas-Tomasi) Tracker來改進了Blob Tracking算法，解決了多人遮擋和靜止跟蹤的問題，并且得到穩(wěn)健的跟蹤結果。
　　2.運動特征提取和行為分類：針對單目相機由于缺乏景深無法得到人的真實速度和位置信息從而對行為分析造成的困難，本文通過對房間幾何信息和家具信息進行標定，然后利用透視投影變換(Perspective Projection Transformation,PPT)來定量