基于步態(tài)識別的人體目標檢測與跟蹤.pdf

1、隨著計算機技術的發(fā)展，智能視頻監(jiān)控技術在民用、軍事、航空、醫(yī)療和人機交互等眾多領域，都有廣泛的應用，其重要性也越來越凸顯。運動目標的跟蹤是計算機視覺領域的一個重要分支，目前，基于視頻的目標跟蹤技術幫助人們解決了很多問題，但是仍然存在一些不足，提升視頻監(jiān)控的檢測效果和跟蹤效率，是一個很重要、很值得研究的課題。步態(tài)識別作為一種遠距離身份判別方式，具有非侵犯性、難以隱藏和難以偽裝的特性，鑒于此，將步態(tài)識別技術引入到目標跟蹤中，實現(xiàn)身份識別，然

2、后進行定位跟蹤，在安防、刑事破案等領域具有重要應用和意義。
　　本文針對攝像機固定情況下錄制的視頻，首先對感興趣目標區(qū)域進行檢測，然后通過提取目標的步態(tài)特征進行身份識別，最后選定目標實現(xiàn)跟蹤。論文工作涉及到了目標的檢測、人體步態(tài)識別和目標跟蹤三個主要部分。論文的主要工作包括以下幾部分:
　　(1)在目標檢測方面，研究了多種經(jīng)典的目標檢測算法，進行了實驗比較分析，綜合這幾種方法的優(yōu)缺點，在Vibe算法的基礎上進行改進，結合人體

3、體型特征提出了一種PVibe(Proportion Vibe)算法，對人體目標進行檢測。在簡單環(huán)境和復雜環(huán)境中進行人體目標檢測實驗對比，實驗結果表明，該算法與其他檢測算法相比，對于動態(tài)的環(huán)境具有較好的適應能力，能夠很好的提取運動目標輪廓，區(qū)分人體目標與非人體目標，具有較好的檢測效果。
　　(2)在步態(tài)識別方面，使用目標檢測分割算法從步態(tài)序列中得到步態(tài)剪影，提取人體輪廓，將質(zhì)心到輪廓邊緣各像素點之間的距離作為步態(tài)特征。利用BP神經(jīng)網(wǎng)

4、絡分類算法對步態(tài)樣本中各序列的特征數(shù)據(jù)進行訓練識別，從人體步態(tài)的不同角度進行實驗對比，最高識別率可達到88.33％。該算法與常用的最近鄰分類識別算法相比，識別率明顯提高，證明了算法的高效性。
　　(3)目標跟蹤方面，在對目標進行了步態(tài)識別的基礎上，選定目標，確定感興趣區(qū)域，并進行跟蹤。研究了幾種主流的跟蹤算法，本文在研究和分析了光流跟蹤算法的優(yōu)點和不足的基礎上，結合運動矢量估計提出一種金字塔LK-MVE(LK-Motion vec