動(dòng)作識(shí)別在交通指揮中的應(yīng)用研究.pdf

1、伴隨著科技力量和信息技術(shù)在社會(huì)發(fā)展中的不斷投入，人民生活和社會(huì)經(jīng)濟(jì)都得到了飛速發(fā)展，而與之伴隨的是越來越嚴(yán)重的城市交通擁堵現(xiàn)象。同時(shí)，無人駕駛汽車的問世以及智能駕駛輔助系統(tǒng)的不斷升級(jí)發(fā)展，也對(duì)傳統(tǒng)交通指揮形成了新的挑戰(zhàn)。在人工智能和機(jī)器視覺領(lǐng)域中，動(dòng)作識(shí)別技術(shù)正逐步趨于成熟，而應(yīng)用于交通指揮中的動(dòng)作識(shí)別仍然是一個(gè)新興的、緊迫的研究熱點(diǎn)?；诖吮尘氨疚闹饕槍?duì)交通指揮中的動(dòng)作識(shí)別進(jìn)行研究，主要研究?jī)?nèi)容如下：
　　1.運(yùn)用視頻捕捉設(shè)備

2、所錄制的交通指揮動(dòng)作，往往記載一定時(shí)間范圍內(nèi)的持續(xù)鏡頭內(nèi)容，既包含了不同指揮動(dòng)作的疊加，也有同一指揮動(dòng)作在不同周期內(nèi)的重復(fù)，這就需要采用運(yùn)動(dòng)特征變化率來進(jìn)行運(yùn)動(dòng)分割。針對(duì)已經(jīng)提取出運(yùn)動(dòng)目標(biāo)區(qū)域的二值圖像，首先需要獲取其人體邊緣，再根據(jù)其邊緣變化引申出運(yùn)動(dòng)特征變化率，最后根據(jù)變化率的量化曲線界定動(dòng)作分割。
　　2.同一指揮動(dòng)作中既包含具有決定性運(yùn)動(dòng)信息的關(guān)鍵幀姿態(tài)，也有對(duì)運(yùn)動(dòng)信息表達(dá)貢獻(xiàn)較小的非關(guān)鍵幀姿態(tài)，這就需要采用表觀特征輪廓向

3、量來提取關(guān)鍵幀姿態(tài)。首先使用Candy算子提取目標(biāo)區(qū)域的輪廓和質(zhì)心，其次以質(zhì)心到輪廓邊緣的距離作為輪廓向量的元素，并且對(duì)輪廓變量進(jìn)行推導(dǎo)優(yōu)化，最后通過輪廓向量變化曲線定義關(guān)鍵幀姿態(tài)和非關(guān)鍵幀姿態(tài)，并完成關(guān)鍵幀姿態(tài)提取。
　　3.針對(duì)交通指揮動(dòng)作的特征提取，本文采用骨架參數(shù)作為選取特征，并對(duì)傳統(tǒng)的基于距離變換的骨架提取算法提出優(yōu)化和改進(jìn)。傳統(tǒng)的基于距離變換的骨架提取算法因離散域內(nèi)最大內(nèi)切圓的確定存在誤差爭(zhēng)議，以及骨架點(diǎn)的判斷缺乏相鄰

4、點(diǎn)作為參考，這使得提取的骨架很難保證連通性及單像素性，本文通過定義種子骨架點(diǎn)并以生長(zhǎng)模型搜索全部區(qū)域骨架點(diǎn)，不但保持了與原始圖像一致的拓?fù)浣Y(jié)構(gòu)，并具有良好的連通性和單像素性，且對(duì)邊緣擾動(dòng)帶來的噪聲有很好的消除作用。
　　4.本文針對(duì)常規(guī)模板匹配方法進(jìn)行改進(jìn)，以此重點(diǎn)突出手臂部位的信息表達(dá)。該方法以現(xiàn)行標(biāo)準(zhǔn)的交通警察指揮信號(hào)中提取的骨架模型制作樣本模板，在利用豪斯多夫（Hausdorff）距離求取模板之間距離時(shí)，通過分析不同交通指揮