人體行為視覺識別中分割方法的研究.pdf

1、人體行為視覺識別是近年來計算機視覺領域中倍受關注的前沿方向，而人體目標分割技術在人體行為視覺分析研究中，又是首要的問題。目標分割結果對目標的識別和行為理解起著至關重要的作用。對于人體目標分割的研究不僅可以使人體行為識別研究工作突破其使用環(huán)境的“瓶頸”，其研究成果還可以應用到如視頻檢索、視頻壓縮等其它需要進行人體運動目標分割的領域。 基于視覺的人體行為識別是從單個或多個視頻序列中檢測、跟蹤人體，獲取人體運動數(shù)據(jù)，重建人體的三維運動

2、或描述和理解人體運動。視覺人體行為分析在視頻監(jiān)控、體育運動分析、動畫、游戲、虛擬現(xiàn)實和人機交互、輔助臨床醫(yī)療診斷等領域均有著廣闊的應用前景。 目前關于此方面的研究已經(jīng)實現(xiàn)了在演播室或簡單環(huán)境下的3D重建和行為理解。而對于在復雜環(huán)境中應用則多借助于特殊的成像手段檢測和跟蹤多個人及他們的四肢，并處理一些遮擋情況。目前多數(shù)人體行為識別研究中，由于缺乏對復雜環(huán)境下人體目標分割的有效手段和方法，大多對分割問題進行了回避。 另外，由

3、于當前的運動人體目標分割算法多數(shù)是依據(jù)特定環(huán)境、具體任務而設計的，當人體目標在位置或姿態(tài)或環(huán)境發(fā)生變化時，算法不能夠做到自適應處理。 本論文的目的是對復雜環(huán)境中人體目標分割相關技術進行研究。所謂復雜環(huán)境包括：(1)背景變化的復雜，如天氣變化、光照變化、背景的變化等等；(2)多人體目標和運動目標相互遮擋；(3)人體自身投射陰影干擾等。本文并不涉及人體識別問題的研究。基于上述目的，本論文主要完成了如下工作： 基于場景變化分析

4、的自適應背景更新方法；提出了衍生背景的概念，將背景劃分成原始背景和衍生背景，有效地解決了背景中由于運動目標停止而演變?yōu)楸尘凹皬撵o止狀態(tài)重新變?yōu)檫\動目標情況下的背景更新問題。本文提出了場景分析的方法，可針對背景變化產生的不同原因采用不同的更新策略，并提出了一種更新率自適應調整的滑動平均背景更新算法。針對進行幀差運動目標檢測中經(jīng)常遇到的區(qū)域內含有空洞的問題提出了一種基于背景的掃描式種子填充算法，可快速有效地解決區(qū)域填充問題。 基于方

5、向信息測度和區(qū)域一致性測度的陰影去除算法：提出了基于人體目標幾何特征的陰影區(qū)域估計算法，對于陰影去除提出了基于方向信息測度的全影去除方法。利用區(qū)域一致性測度進行邊緣寬度的度量，針對目標邊緣寬度與陰影區(qū)半影寬度不一致的特點進行半影去除。該方法具有抗噪性強、實時性好等特點。 基于勢函數(shù)聚類的多人體目標分割方法：根據(jù)人體目標單峰且對稱的特征，提出了基于勢函數(shù)聚類對多人體區(qū)域的垂直投影圖進行分割的方法，很好地解決了對多人目標進行有效地分

6、割的問題。與以往基于輪廓特征分析方法相比，該方法具有實時性好、分割準確等特點。 基于雙目立體視覺及彩色信息的重疊人體目標分割方法：提出了基于雙目立體視覺及頭部區(qū)域匹配進行重疊人體目標分割的方法。在具體實現(xiàn)時算法采用了自適應的策略，在不影響分割效果的同時，優(yōu)化了分割算法的復雜度。 基于自適應人體目標特征選取的分割方法：將計算機視覺高級階段為識別所要求的特征選取引入目標分割。提出了自適應特征選擇方法，使人體目標分割可自適應地

7、在不同姿態(tài)及不同環(huán)境光照條件下進行更準確的分割。該方法與傳統(tǒng)方法相比由于在分割過程中便引入了“知識”，因此提高了分割的準確率。 基于人類視覺系統(tǒng)的自適應紋理分割方法：提出了一種模擬人類視覺系統(tǒng)的自適應紋理分割方法和利用紋理信息配合人體目標分割的方法。算法能夠自適應地選擇Gabor濾波器參數(shù)，并通過調整Gabor濾波器簇的數(shù)量及參數(shù)模擬HVS的直覺階段對紋理圖像進行粗分割，及專注階段對紋理圖像進行細分割?；诩y理圖像傅里葉變換特征