智能監(jiān)控系統(tǒng)中人體運動的檢測和跟蹤.pdf

1、近年來，視頻監(jiān)控系統(tǒng)在各行業(yè)得到了廣泛的應用，但是這些系統(tǒng)的功能局限于對場景的記錄和保存。隨著信息化進程的推進和人民生活水平的提高，人們對智能監(jiān)控系統(tǒng)的需求越來越迫切。智能監(jiān)控系統(tǒng)的目的是讓系統(tǒng)自動的進行物體檢測、識別、跟蹤和行為理解，它在增強社會安全方面有很大的潛在價值。人體運動檢測和跟蹤作為智能監(jiān)控系統(tǒng)的主要技術，已受到國內(nèi)外研究人員的廣泛關注。 本文在已有工作的基礎上構建了一個智能視頻監(jiān)控系統(tǒng)，對從固定攝像機采集的長序列圖

2、像進行分析，自動檢測出人體，并進行持續(xù)的跟蹤。系統(tǒng)包括前景檢測、物體分類和人體跟蹤三個主要模塊。 檢測模塊詳細分析了基于GMM的前景檢測算法，包括模型的描述、當前狀態(tài)估計、背景估計、參數(shù)估計、方法近似以及參數(shù)更新等，并對算法的缺點進行了分析，在兩個方面進行了改進，較好地解決了背景初始化和占用空間較大的問題。另外，RGB空間和色度空間的檢測結果的結合，消除了光照劇烈變化和人體陰影對檢測的影響。 在分類模塊，根據(jù)場景的先驗知

3、識，制定了基于形狀特征的分類規(guī)則。從物體二值側影的投影直方圖中提取幾何信息，計算分散度、面積和寬高比等，并利用它們將前景物體分為人、人群和車輛三個類別。 人體跟蹤分單人和人群跟蹤兩種情況。對單人使用卡爾曼濾波器進行跟蹤，選擇人體中心作為跟蹤的特征點，有效防止了人體自運動對跟蹤的影響，并使用組合的方法對卡爾曼濾波器的發(fā)散進行了抑制，提高了算法的魯棒性。當多人形成人群時，采用基于側影的形狀分析對人群中的人進行分割并對他們進行持續(xù)跟蹤