基于步态识别的人体目标检测与跟踪

摘要

随着计算机技术的发展，智能视频监控技术在民用、军事、航空、医疗和人机交互等众多领域，都有广泛的应用，其重要性也越来越凸显。运动目标的跟踪是计算机视觉领域的一个重要分支，目前，基于视频的目标跟踪技术帮助人们解决了很多问题，但是仍然存在一些不足，提升视频监控的检测效果和跟踪效率，是一个很重要、很值得研究的课题。步态识别作为一种远距离身份判别方式，具有非侵犯性、难以隐藏和难以伪装的特性，鉴于此，将步态识别技术引入到目标跟踪中，实现身份识别，然后进行定位跟踪，在安防、刑事破案等领域具有重要应用和意义。
　　本文针对摄像机固定情况下录制的视频，首先对感兴趣目标区域进行检测，然后通过提取目标的步态特征进行身份识别，最后选定目标实现跟踪。论文工作涉及到了目标的检测、人体步态识别和目标跟踪三个主要部分。论文的主要工作包括以下几部分:
　　(1)在目标检测方面，研究了多种经典的目标检测算法，进行了实验比较分析，综合这几种方法的优缺点，在Vibe算法的基础上进行改进，结合人体体型特征提出了一种PVibe(Proportion Vibe)算法，对人体目标进行检测。在简单环境和复杂环境中进行人体目标检测实验对比，实验结果表明，该算法与其他检测算法相比，对于动态的环境具有较好的适应能力，能够很好的提取运动目标轮廓，区分人体目标与非人体目标，具有较好的检测效果。
　　(2)在步态识别方面，使用目标检测分割算法从步态序列中得到步态剪影，提取人体轮廓，将质心到轮廓边缘各像素点之间的距离作为步态特征。利用BP神经网络分类算法对步态样本中各序列的特征数据进行训练识别，从人体步态的不同角度进行实验对比，最高识别率可达到88.33％。该算法与常用的最近邻分类识别算法相比，识别率明显提高，证明了算法的高效性。
　　(3)目标跟踪方面，在对目标进行了步态识别的基础上，选定目标，确定感兴趣区域，并进行跟踪。研究了几种主流的跟踪算法，本文在研究和分析了光流跟踪算法的优点和不足的基础上，结合运动矢量估计提出一种金字塔LK-MVE(LK-Motion vector estimation)算法，对人体目标进行跟踪。该算法与主流的跟踪算法进行实验对比，在目标颜色相近和出现遮挡的情况下，取得了较好的跟踪效果，而且在跟踪速度上，改进后的算法有明显的提高。

目录

声明

致谢

摘要

序言

1 引言

1．1 选题背景及研究意义

1．2 国内外研究现状

1．2．1 目标检测研究现状

1．2．2 步态识别研究现状

1．2．3 目标跟踪技术研究现状

1．3 研究难点

1．4 本文的创新点

1．5 本文各章内容安排

2 人体目标检测

2．1 背景差分法

2．1．1 单高斯模型

2．1．2 混合高斯背景模型

2．1．3 Vibe算法

2．2 帧间差分法

2．3 改进的Vibe人体目标检测算法

2．3．1 目标分类

2．3．2 PVibe目标检测算法

2．4 实验结果和分析

2．5 本章小结

3 步态识别

3．1 步态周期检测

3．2 步态特征的提取

3．2．1 步态特征提取方法

3．2．2 基于轮廓的步态特征提取算法

3．3 基于神经网络的步态识别

3．4 实验结果及分析

3．5 本章小结

4 人体目标跟踪

4．1 粒子滤波跟踪算法

4．2 基于光流的目标跟踪

4．3 改进的光流跟踪算法

4．3．1 特征点提取

4．3．2 运动估计

4．3．3 金字塔LK-MVE跟踪算法实现

4．4 实验结果及分析

4．5 本章小结

5．1 工作总结

5．2 工作展望

参考文献

作者简历及攻读硕士／博士学位期间取得的研究成果

学位论文数据集