学位论文 > 优秀研究生学位论文题录展示

基于头部特征提取的人体检测与跟踪及其应用

作　者: 于海滨
导　师: 刘济林
学　校: 浙江大学
专　业: 通信与信息系统
关键词: 人体检测与跟踪客流检测头部识别 Hough变换视知觉分组目标视差提取特征匹配序列图像处理边缘背景减法 Kalman预测
分类号: TP391.41
类　型: 博士论文
年　份: 2007年
下　载: 1467次
引　用: 12次
阅　读: 论文下载

内容摘要

人体检测与跟踪是视觉人体运动分析的重要组成部分，在视频会议、医疗诊断、高级人机交互、智能视频监控、虚拟现实以及基于内容的图像存储与检索等方面都具有广泛的应用前景和潜在的经济价值。在人体检测与跟踪技术的部分应用领域中，如智能监控、客流检测等，由于图像采集设备的安装位置受到限制或为了尽可能避免人体间的相互遮挡等原因，只能获取检测区域的俯视图像(Vertical View Image)。在这类图像中人体的各个部位当中只有头部(尤其是头顶部)体现的较为完整，头部的俯视信息(如人体头顶部轮廓，头顶部区域颜色分布等)是唯一可以用来区分多个人体目标的特征。因此，头部特征的选择与提取就成为俯视图像中人体检测与跟踪的关键环节。本文紧密围绕复杂环境中的俯视图像人体检测与跟踪问题提出了借助局部人体运动估计人体整体运动的基于头部特征提取的局部人体检测与跟踪方法。同时为了在低端嵌入式平台上实时获取人体头部特征，提出了基于改进Hough变换的头部轮廓特征提取方法和基于目标视差获取的头部深度和透视特征提取方法，并将它们用于实现具有较高准确率要求的实时人体检测与跟踪系统。为了采用复杂度较低的算法准确的提取出俯视图像中的人体头部轮廓特征，最大程度的降低误识别和漏识别的可能性，本文在对目前工程中使用最为广泛的两种改进Hough变换进行比较后选取借助边缘梯度方向对圆心轨迹进行映射的GHT方法作为提取头部类圆轮廓的主要手段。同时，为了进一步降低GHT的时间消耗并且使得GHT能够提取出与人体头部轮廓曲线拟合最好的圆形轮廓，在保留GHT参数空间映射机制的基础上对GHT的参数空间累积过程和候选圆的确认过程进行了进一步的改进，提出了针对形变较大的头部类圆轮廓检测的TGHT算法和基于视知觉分组理论的最优拟合轮廓提取方法。算法的性能测试以及实验结果均表明基于TGHT的头部轮廓特征提取方法兼顾准确性与实时性，可以在有较高准确率要求的人体检测与跟踪领域获得实时的应用。针对基于头部轮廓特征提取的单目视觉头部识别方法面临的无法从多个与头部相似的类圆区域中正确的区分出所有头部区域的困难，本文在头部轮廓特征提取的基础上采用目标视差法获得候选头部区域的视差，并将头部区域视差与深度的对应关系以及头部区域的尺度与视差的透视比例关系作为头部区域的3D特征对候选头部区域进行确认判决以进一步提升头部识别的准确率。实验结果表明，由于去除了大量与头部区域相似的类圆区域形成的虚假头部区域，因而与基于头部轮廓特征提取的单目视觉头部识别方法相比，基于头部深度和透视特征提取的立体视觉头部识别方法具有更高的头部识别准确率。为了在头部识别基础上利用运动检测和基于头部特征提取的局部人体跟踪方法完成俯视序列图像中的人体检测与跟踪，本文在基于头部特征提取的单帧图像头部识别方法基础上提出基于序列图像运动检测的边缘背景减法和基于Kalman预测以及头部区域轮廓特征帧间匹配的头部跟踪算法。本文最后依据采用的头部特征提取方法的不同提出了基于低端DSP平台的两种嵌入式视觉人体检测与跟踪系统的实现方案，并分别给出了基于头部轮廓特征提取的单目视觉人体检测与跟踪系统应用于公交客流检测现场实验的实验结果和两种基于头部特征提取的视觉人体检测与跟踪方法应用于相同的仿真图像序列的比较结果。

全文目录

摘要  3-4
Abstract  4-6
目录  6-8
图目录  8-10
表目录  10-11
第一章绪论  11-23
  1.1 人体检测与跟踪研究现状  11-14
    1.1.1 运动检测  11-12
    1.1.2 人体识别  12-13
    1.1.3 人体跟踪  13-14
  1.2 基于头部特征提取的人体检测与跟踪研究现状  14-22
    1.2.1 基于头部 2D特征提取的单目视觉头部识别方法  14-17
      1.2.1.1 模板匹配法  14-16
      1.2.1.2 全局特征空间提取法  16
      1.2.1.3 外观分类法(Appearance-based Classification)  16-17
    1.2.2 基于立体视觉的头部识别方法  17-21
      1.2.2.1 立体视觉概述  17-19
      1.2.2.2 基于头部3D特征提取的立体视觉头部识别方法  19-21
    1.2.3 基于头部特征提取的头部识别方法之间的比较  21-22
  1.3 本文研究内容  22-23
第二章基于改进 Hough变换的头部轮廓特征提取  23-57
  2.1 圆形目标检测的改进 Hough变换  23-30
    2.1.1 Hough变换(HT)概述  23-24
    2.1.2 圆检测的标准 Hough变换(SHT)  24-25
    2.1.3 圆检测的改进 Hough变换(MHT)  25-30
      2.1.3.1 基于梯度信息的圆检测 Hough变换(GHT)  25-28
      2.1.3.2 圆检测的随机 Hough变换(RHT)  28-30
  2.2 应用于头部轮廓特征提取的改进 Hough变换  30-54
    2.2.1 GHT与 RHT应用于头部轮廓特征提取  30-33
    2.2.2 引入容许误差限的GHT(TGHT)  33-44
      2.2.2.1 容许误差限与极值区域  35-39
      2.2.2.2 动态累积链表数组与距离求取运算的简化  39-43
      2.2.2.3 TGHT算法性能测试  43-44
    2.2.3 最优拟合轮廓提取  44-54
      2.2.3.1 灰度判决器  45-46
      2.2.3.2 视知觉分组与候选头部轮廓的共圆置信度  46-52
      2.2.2.3 候选轮廓分组与最优拟合轮廓的提取  52-54
  2.3 实验结果与分析  54-56
  2.4 本章小结  56-57
第三章基于目标视差获取的头部深度和透视特征提取  57-78
  3.1 头部区域的深度和透视特征  57-60
    3.1.1 头部区域的深度特征  58
    3.1.2 小孔透视比例关系与头部区域的透视特征  58-60
  3.2 头部区域视差提取  60-75
    3.2.1 头部区域的轮廓几何特征匹配(CGFM)  60-71
      3.2.1.1 基于头部区域透视特征的候选匹配区域  61-62
      3.2.1.2 头部区域轮廓的几何相似测度  62-64
      3.2.1.3 轮廓匹配对之间的结构关系  64-67
      3.2.1.4 候选匹配序列的不确定度与全局最优匹配  67-71
    3.2.2 头部区域的轮廓灰度特征匹配(CIFM)  71-74
    3.2.3 两种头部区域视差提取方法的性能比较  74-75
  3.3 基于头部区域深度和透视特征的人体头部识别  75-76
  3.4 实验结果  76-77
  3.5 本章小结  77-78
第四章基于头部特征提取的序列图像人体检测与跟踪  78-97
  4.1 边缘背景减法  78-81
  4.2 序列图像中的人体头部跟踪  81-96
    4.2.1 多机动目标跟踪(MTT)  81-82
    4.2.2 Kalman预测  82-86
    4.2.3 头部区域轮廓特征的帧间匹配  86-94
      4.2.3.1 头部区域轮廓的帧间几何相似测度  87-93
      4.2.3.2 候选匹配轮廓的联合置信度  93-94
    4.2.4 目标跟踪链  94-96
  4.3 本章小结  96-97
第五章基于头部特征提取的人体检测与跟踪在客流检测中的应用  97-105
  5.1 基于头部轮廓特征提取的人体检测与跟踪系统  97-101
    5.1.1 系统硬件平台  97-99
    5.1.1 系统算法流程  99-100
    5.1.2 现场实验及实验结果  100-101
  5.2 基于头部深度和透视特征提取的人体检测与跟踪系统  101-104
    5.2.1 系统硬件平台  101-103
    5.2.2 系统处于人体检测与跟踪状态的算法流程  103
    5.2.3 仿真图像序列的实验结果  103-104
  5.3 本章小结  104-105
第六章总结与展望  105-107
参考文献  107-115
作者在攻博期间发表的文章  115-116
致谢  116

基于头部特征提取的人体检测与跟踪及其应用

内容摘要

全文目录

相似论文