MeanShift算法在运动人体跟踪中的应用研究

摘要

人体跟踪是运动人体视觉分析中非常活跃的一个课题，其在智能监控领域中广泛的应用前景和潜在的经济价值激发了广大科研工作者的浓厚兴趣，也使它成为研究的热点问题之一。 本文先总结了运动人体视觉分析的研究背景、研究现状及在智能监控领域中应用的实际意义，而后讨论和分析了各种人体跟踪方法的优缺点及人体跟踪方法中的难点。 在上述的基础上，探讨了基于MeanShift的跟踪算法和提高鲁棒性的改进算法。针对区域分块法所存在的判别效果和稳定性不够好的问题提出了改进方法，以期进一步结合人体的颜色分布特征，一方面通过减少人体区域分块数目以减少处理时间但又不失相关空间信息；另一方面通过对每个分块进行一定系数的加权以提高判别效果，提高复杂监控环境下人体跟踪的鲁棒性。 论文解决了智能监控中人体在完全遮挡情况下的跟踪问题，在人体线性运动遮挡情况下采用结合卡尔曼滤波预测的跟踪算法，获得较好的跟踪结果，但该方法不适于人体的非线性运动的遮挡情况。因此利用积分直方图快速计算的方法优势完成穷尽搜索，并且该方法在人体线性或非线性运动遮挡情况下跟踪情况都相对较好，提高了人体跟踪的鲁棒性。

目录

文摘

英文文摘

声明

第1章绪论

1.1课题研究的背景和意义

1.1.1运动人体的视觉分析

1.1.2在智能监控中的应用

1.2人体跟踪方法及难点

1.2.1基于模型的人体跟踪

1.2.2基于区域的人体跟踪

1.2.3基于活动轮廓的人体跟踪

1.2.4基于特征的人体跟踪

1.2.5人体跟踪方法中的难点

1.3本文所做的工作

1.3.1主要研究内容

1.3.2文章结构安排

第2章MeanShift理论

2.1无参密度估计

2.1.1直方图

2.1.2核密度估计

2.1.3K-近邻估计

2.2MeanShift算法

2.2.1核密度梯度估计

2.2.2MeanShift迭代收敛性证明

2.3基于MeanShifl算法的目标跟踪

2.3.1目标跟踪

2.3.2算法复杂度

2.4本章小结

第3章基于MeanShift运动人体跟踪算法的改进

3.1颜色直方图

3.2改进的跟踪算法

3.2.1人体颜色分块模型

3.2.2Bhattacharrya系数

3.2.3算法步骤

3.3算法复杂度

3.4实验结果与分析

3.5本章小结

第4章人体跟踪中的遮挡问题解决

4.1遮挡判定

4.2卡尔曼滤波结合的遮挡方法

4.2.1卡尔曼滤波

4.2.2遮挡解决

4.2.3实验结果与分析

4.3积分直方图结合的遮挡处理方法

4.3.1积分直方图

4.3.2加权处理

4.3.3遮挡解决

4.4实验结果与分析

4.5本章小结

第5章总结与展望

参考文献

致谢

攻读学位期间发表的学术论文目录