学位论文 > 优秀研究生学位论文题录展示
视频监控中的人体头部检测与跟踪
作 者: 丁小童
导 师: 孙怡
学 校: 大连理工大学
专 业: 通信与信息系统
关键词: 前景提取 人体头部检测 深度信息 跟踪
分类号: TP391.41
类 型: 硕士论文
年 份: 2011年
下 载: 157次
引 用: 0次
阅 读: 论文下载
内容摘要
在特定场景中,例如居民楼道、学校图书馆或其他公共场所,监控系统的使用越来越广泛。但是大多数监控系统仍然是半人工式的,这无论从人力上还是物力上都大大影响公共场所视频监控的普及程度。因此,研究更加智能化的视觉监控系统是未来的主流方向。本论文主要研究了视频监控系统中多运动行人目标的检测与跟踪方法,其主要工作包括如下几个方面。在实际监控场景中,监控摄像头在大部分时间内为静止拍摄,因此监控区域背景相对静止。基于此特点,本文对监控视频进行预处理,采用混合高斯模型方法来提取前景信息。预处理的优势在于:第一,缩小检测区域,提高检测过程的处理速度,降低运算量;第二,能有效地消除背景对检测结果的影响,降低误检率。本文在原有混合高斯模型的基础上,提出一种更新效率自适应的混合高斯模型,进一步提高前景提取的质量。通过对监控视频的观察,本文发现监控摄像头多为俯视视角,且在人群密集时人体的头部被完全遮挡住的概率最小。因此,在从运动图像序列中检测出运动目标之后,采用级联AdaBoost算法锁定人体头部。在此,本文引入前项特征选择(Forward Feature Select)算法对AdaBoost训练进行加速。经过样本选取、特征计算等步骤训练了人体头部分类器,之后利用所训练的级联分类器实现人体头部检测。最后,由于视频图像中的人体头部所蕴含的特征信息数量相对于人体全身来说不足以满足多人跟踪的需求,也就是说,单纯地利用RGB视频图像对人体头部进行跟踪无法解决行人头部遮挡问题。因此,本文将人体头部的深度信息作为人体头部特征信息的一部分。利用Kinect体感传感器采集深度信息。将检测出的每个人体头部的位置信息、速度信息以及深度信息作为三个参数引入到动态模型中。通过代价方程作为区分度标准,达到多人体头部跟踪的目的。实验表明,本文所提出的方法不仅仅在实时性上能满足实际的要求,而且能够克服人群遮挡现象,尤其能解决长时间严重遮挡问题。
|
全文目录
摘要 4-5 Abstract 5-9 1 绪论 9-14 1.1 研究背景及意义 9-10 1.2 国内外研究概况 10-11 1.3 本文的研究工作 11-12 1.4 本文内容安排 12-14 2 运动区域的提取 14-27 2.1 时间差分法 14-16 2.2 光流法 16-17 2.3 背景减除法 17-24 2.3.1 自适应背景模型 18-19 2.3.2 中值滤波模型 19 2.3.3 高斯背景模型 19-24 2.4 更新效率自适应的混合高斯模型 24-26 2.5 前景运动区域提取结果 26 2.6 本章小结 26-27 3 人体头部检测 27-46 3.1 基于AdaBoost算法训练人体头部分类器 27-33 3.1.1 Haar特征 28-31 3.1.2 弱分类器与强分类器 31-33 3.1.3 级联AdaBoost算法 33 3.2 前项特征选择(FFS)算法 33-36 3.3 人体头部检测 36-45 3.3.1 检测算法 36-39 3.3.2 检测过程 39-40 3.3.3 检测结果 40-45 3.4 本章小结 45-46 4 引入深度信息的人体头部跟踪 46-60 4.1 体感传感器Kinect的简述 46-48 4.2 利用OpenNI平台获取深度信息 48-52 4.2.1 OpenNI平台简介 49-50 4.2.2 深度信息提取 50-52 4.3 人体头部跟踪 52-59 4.3.1 引入深度信息的人体头部跟踪 52-57 4.3.2 与其他跟踪方法对比结果 57-59 4.4 本章小结 59-60 5 多人体头部检测跟踪实验结果 60-64 5.1 系统整体架构 60-61 5.2 行人之间遮挡实验及分析 61-63 5.3 建筑物遮挡行人实验及分析 63-64 6 总结与展望 64-66 6.1 本文主要工作总结 64-65 6.2 工作展望 65-66 参考文献 66-70 附录A OpenNI在VS 2008上的配置 70-71 攻读硕士学位期间发表学术论文情况 71-72 致谢 72-73
|
相似论文
- 高动态GNSS软件接收机载波跟踪算法研究,P228.4
- 高灵敏度GNSS软件接收机的同步技术研究与实现,P228.4
- 陀螺稳定跟踪平台研究,V241.5
- 电缆巡检车图像引导技术的研究,U469.6
- 内点法在大型电力系统无功优化中的应用研究,TM714.3
- 带径向速度观测的跟踪算法研究,TN953
- 基于VRPF的机动目标跟踪的研究,TN957.52
- 基于智能学习的多传感器目标识别与跟踪系统研究,TP391.41
- 空间交会接近视觉测量方法研究,TP391.41
- 基于嵌入式图像处理单元的运动目标跟踪系统研究,TP391.41
- 移动机器人视觉检测和跟踪研究,TP242.62
- 大红山铁矿井下人员跟踪定位系统的优化研究,TN929.5
- 基于粒子滤波的自主机器人视觉目标跟踪研究,TP242
- 红外图像目标识别及跟踪技术研究,TP391.41
- 基于运动目标轨迹分析的智能交通监控系统,TP277
- 中小型光伏发电并网逆变器的设计与仿真,TM464
- 交通视频中车辆异常行为检测及应用研究,TP391.41
- 家蚕HSP基因的表达调控研究,S881.2
- 无线传感器网络的目标跟踪算法研究,TN929.5
- 智能型太阳能路灯控制器的应用研究,TM923.5
- 基于无线传感器网络的目标定位跟踪研究,TN929.5
中图分类: > 工业技术 > 自动化技术、计算机技术 > 计算技术、计算机技术 > 计算机的应用 > 信息处理(信息加工) > 模式识别与装置 > 图像识别及其装置
© 2012 www.xueweilunwen.com
|