人体行为视觉识别中分割方法的研究

摘要

人体行为视觉识别是近年来计算机视觉领域中倍受关注的前沿方向，而人体目标分割技术在人体行为视觉分析研究中，又是首要的问题。目标分割结果对目标的识别和行为理解起着至关重要的作用。对于人体目标分割的研究不仅可以使人体行为识别研究工作突破其使用环境的“瓶颈”，其研究成果还可以应用到如视频检索、视频压缩等其它需要进行人体运动目标分割的领域。 基于视觉的人体行为识别是从单个或多个视频序列中检测、跟踪人体，获取人体运动数据，重建人体的三维运动或描述和理解人体运动。视觉人体行为分析在视频监控、体育运动分析、动画、游戏、虚拟现实和人机交互、辅助临床医疗诊断等领域均有着广阔的应用前景。 目前关于此方面的研究已经实现了在演播室或简单环境下的3D重建和行为理解。而对于在复杂环境中应用则多借助于特殊的成像手段检测和跟踪多个人及他们的四肢，并处理一些遮挡情况。目前多数人体行为识别研究中，由于缺乏对复杂环境下人体目标分割的有效手段和方法，大多对分割问题进行了回避。 另外，由于当前的运动人体目标分割算法多数是依据特定环境、具体任务而设计的，当人体目标在位置或姿态或环境发生变化时，算法不能够做到自适应处理。 本论文的目的是对复杂环境中人体目标分割相关技术进行研究。所谓复杂环境包括：(1)背景变化的复杂，如天气变化、光照变化、背景的变化等等；(2)多人体目标和运动目标相互遮挡；(3)人体自身投射阴影干扰等。本文并不涉及人体识别问题的研究。基于上述目的，本论文主要完成了如下工作： 基于场景变化分析的自适应背景更新方法；提出了衍生背景的概念，将背景划分成原始背景和衍生背景，有效地解决了背景中由于运动目标停止而演变为背景及从静止状态重新变为运动目标情况下的背景更新问题。本文提出了场景分析的方法，可针对背景变化产生的不同原因采用不同的更新策略，并提出了一种更新率自适应调整的滑动平均背景更新算法。针对进行帧差运动目标检测中经常遇到的区域内含有空洞的问题提出了一种基于背景的扫描式种子填充算法，可快速有效地解决区域填充问题。 基于方向信息测度和区域一致性测度的阴影去除算法：提出了基于人体目标几何特征的阴影区域估计算法，对于阴影去除提出了基于方向信息测度的全影去除方法。利用区域一致性测度进行边缘宽度的度量，针对目标边缘宽度与阴影区半影宽度不一致的特点进行半影去除。该方法具有抗噪性强、实时性好等特点。 基于势函数聚类的多人体目标分割方法：根据人体目标单峰且对称的特征，提出了基于势函数聚类对多人体区域的垂直投影图进行分割的方法，很好地解决了对多人目标进行有效地分割的问题。与以往基于轮廓特征分析方法相比，该方法具有实时性好、分割准确等特点。 基于双目立体视觉及彩色信息的重叠人体目标分割方法：提出了基于双目立体视觉及头部区域匹配进行重叠人体目标分割的方法。在具体实现时算法采用了自适应的策略，在不影响分割效果的同时，优化了分割算法的复杂度。 基于自适应人体目标特征选取的分割方法：将计算机视觉高级阶段为识别所要求的特征选取引入目标分割。提出了自适应特征选择方法，使人体目标分割可自适应地在不同姿态及不同环境光照条件下进行更准确的分割。该方法与传统方法相比由于在分割过程中便引入了“知识”，因此提高了分割的准确率。 基于人类视觉系统的自适应纹理分割方法：提出了一种模拟人类视觉系统的自适应纹理分割方法和利用纹理信息配合人体目标分割的方法。算法能够自适应地选择Gabor滤波器参数，并通过调整Gabor滤波器簇的数量及参数模拟HVS的直觉阶段对纹理图像进行粗分割，及专注阶段对纹理图像进行细分割。基于纹理图像傅里叶变换特征本文提出了评价纹理的三项指标，即纹理的周期性、重复性及规则性。实现了利用纹理进行重叠区域人体目标分割问题。提高了目标分割的抗噪性能。 综上所述，本论文在复杂环境下的人体目标分割方面提出了新的思路和方法，理论分析和实验证明了这些算法的有效性。

目录

文摘

英文文摘

大连海事大学学位论文原创性声明和使用授权说明

创新点摘要

第1章绪论

1.1引言

1.2运动人体目标分割相关问题

1.2.1运动检测

1.2.2目标分类

1.2.3阴影去除

1.2.4重叠人体目标分割

1.3国内外研究现状

1.3.1研究动态

1.3.2存在的问题

1.4本文处理步骤

1.5本论文主要工作

1.6本文内容安排

第2章运动目标提取

2.1引言

2.2时间差分方法

2.2.1基于时间差分的运动目标分割算法及实验

2.2.2基于背景的扫描式种子填充算法

2.3背景减除方法

2.4基于场景变化分析的自适应背景更新方法

2.4.1背景变化的因素分析

2.4.2场景变化分析

2.4.3自适应背景更新算法

2.4.4实验分析

2.5本章总结

第3章阴影去除

3.1引言

3.2阴影的基本属性

3.2.1阴影形成的条件

3.2.2阴影的属性

3.3阴影检测算法介绍

3.4方向信息测度和区域一致性测度

3.4.1方向信息测度

3.4.2基于区域一致性测度的边缘分类及边缘宽度检测

3.4.3结论

3.5基于人体目标几何特征及阴影属性的全影去除方法

3.5.1基于运动区域几何特征的阴影判断及区域估计

3.5.2基于Hough变换的阴影区域粗分割

3.5.3基于阴影区域一致性的全影分割方法

3.5.4基于边缘宽度的半影去除算法

3.6本章总结

第4章重叠目标分割及遮挡处理

4.1引言

4.2基于势函数聚类的人体目标分割

4.2.1构造势函数

4.2.2伪势消除和势的合并

4.2.3聚类分割算法

4.2.4实验结果

4.3基于立体及彩色信息的重叠目标分割

4.3.1人类视觉系统对人体目标识别的研究结果

4.3.2双目立体视觉(Binocular Stereo)

4.3.3双目立体视觉的摄像机的调整

4.3.4算法

4.3.5实验结果

4.3.6实验小结

4.4本章总结

第5章基于特征的自适应人体目标分割

5.1引言

5.2人体目标的特征描述

5.3基于环境评价的人体目标分割方法

5.4目标特征描述坐标系选择

5.4.1目标为中心的目标表示(Object-Centered Representations)

5.4.2摄像机为中心的目标表示(Camera-Centered Representations)

5.4.3人体特征向量的构成

5.4.4人体目标特征自适应选取原则

5.4.5人体的特征有效性实验

5.4.6人体目标参数的检测

5.4.7环境光照强度检测

5.5纹理特征度量及自适应纹理分割方法

5.5.1 Gabor、楔形和环形滤波

5.5.2纹理度量

5.5.3基于人类视觉特性的纹理分割

5.5.4实验结果

5.5.5结论

5.6本章总结

第6章总结与展望

6.1论文总结

6.2展望

6.3结束语

参考文献

攻读学位期间公开发表论文

致谢

研究生履历