基于頭部特征提取的人體檢測與跟蹤及其應(yīng)用.pdf

1、人體檢測與跟蹤是視覺人體運動分析的重要組成部分，在視頻會議、醫(yī)療診斷、高級人機交互、智能視頻監(jiān)控、虛擬現(xiàn)實以及基于內(nèi)容的圖像存儲與檢索等方面都具有廣泛的應(yīng)用前景和潛在的經(jīng)濟價值。在人體檢測與跟蹤技術(shù)的部分應(yīng)用領(lǐng)域中，如智能監(jiān)控、客流檢測等，由于圖像采集設(shè)備的安裝位置受到限制或為了盡可能避免人體間的相互遮擋等原因，只能獲取檢測區(qū)域的俯視圖像(Vertical View Image)。在這類圖像中人體的各個部位當(dāng)中只有頭部(尤其是頭頂部)體

2、現(xiàn)的較為完整，頭部的俯視信息(如人體頭頂部輪廓，頭頂部區(qū)域顏色分布等)是唯一可以用來區(qū)分多個人體目標(biāo)的特征。因此，頭部特征的選擇與提取就成為俯視圖像中人體檢測與跟蹤的關(guān)鍵環(huán)節(jié)。本文緊密圍繞復(fù)雜環(huán)境中的俯視圖像人體檢測與跟蹤問題提出了借助局部人體運動估計人體整體運動的基于頭部特征提取的局部人體檢測與跟蹤方法。同時為了在低端嵌入式平臺上實時獲取人體頭部特征，提出了基于改進Hough變換的頭部輪廓特征提取方法和基于目標(biāo)視差獲取的頭部深度和透視

3、特征提取方法，并將它們用于實現(xiàn)具有較高準(zhǔn)確率要求的實時人體檢測與跟蹤系統(tǒng)。 為了采用復(fù)雜度較低的算法準(zhǔn)確的提取出俯視圖像中的人體頭部輪廓特征，最大程度的降低誤識別和漏識別的可能性，本文在對目前工程中使用最為廣泛的兩種改進Hough變換進行比較后選取借助邊緣梯度方向?qū)A心軌跡進行映射的GHT方法作為提取頭部類圓輪廓的主要手段。同時，為了進一步降低GHT的時間消耗并且使得GHT能夠提取出與人體頭部輪廓曲線擬合最好的圓形輪廓，在保留G

4、HT參數(shù)空間映射機制的基礎(chǔ)上對GHT的參數(shù)空間累積過程和候選圓的確認過程進行了進一步的改進，提出了針對形變較大的頭部類圓輪廓檢測的TGHT算法和基于視知覺分組理論的最優(yōu)擬合輪廓提取方法。算法的性能測試以及實驗結(jié)果均表明基于TGHT的頭部輪廓特征提取方法兼顧準(zhǔn)確性與實時性，可以在有較高準(zhǔn)確率要求的人體檢測與跟蹤領(lǐng)域獲得實時的應(yīng)用。 針對基于頭部輪廓特征提取的單目視覺頭部識別方法面臨的無法從多個與頭部相似的類圓區(qū)域中正確的區(qū)分出所有

5、頭部區(qū)域的困難，本文在頭部輪廓特征提取的基礎(chǔ)上采用目標(biāo)視差法獲得候選頭部區(qū)域的視差，并將頭部區(qū)域視差與深度的對應(yīng)關(guān)系以及頭部區(qū)域的尺度與視差的透視比例關(guān)系作為頭部區(qū)域的3D特征對候選頭部區(qū)域進行確認判決以進一步提升頭部識別的準(zhǔn)確率。實驗結(jié)果表明，由于去除了大量與頭部區(qū)域相似的類圓區(qū)域形成的虛假頭部區(qū)域，因而與基于頭部輪廓特征提取的單目視覺頭部識別方法相比，基于頭部深度和透視特征提取的立體視覺頭部識別方法具有更高的頭部識別準(zhǔn)確率。

6、 為了在頭部識別基礎(chǔ)上利用運動檢測和基于頭部特征提取的局部人體跟蹤方法完成俯視序列圖像中的人體檢測與跟蹤，本文在基于頭部特征提取的單幀圖像頭部識別方法基礎(chǔ)上提出基于序列圖像運動檢測的邊緣背景減法和基于Kalman預(yù)測以及頭部區(qū)域輪廓特征幀間匹配的頭部跟蹤算法。 本文最后依據(jù)采用的頭部特征提取方法的不同提出了基于低端DSP平臺的兩種嵌入式視覺人體檢測與跟蹤系統(tǒng)的實現(xiàn)方案，并分別給出了基于頭部輪廓特征提取的單目視覺人體檢測與跟蹤系統(tǒng)