基于空间颜色特征的视频中人体识别技术研究【开题报告】

《基于空间颜色特征的视频中人体识别技术研究【开题报告】》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、毕业设计开题报告计算机科学与技术基于空间颜色特征的视频中人体识别技术研究一、选题的背景与意义随着人们安全意识的增强以及安全形势的需要，越来越多的公共场所安装了视频监控装置。在这些视频监控系统中都有这样一类功能需求：判别当前视频中出现的人是否与其它视频中我们感兴趣的人为同一个人。该问题被称为不同的监控系统（非重叠的多摄像系统）中人的重现（PersonRe-identification）问题，同时也称之为人体识别问题（PedestrianRecognition）。由于多摄像系统中光线的变化、摄像视角的变化、人体姿态的变化以及着装的影响等，使得人体识别问题在计算机视觉以

2、及智能信息处理等领域都是一个具有挑战性的难题。目前基于多种生物特征的人的识别技术已经比较成熟了，如指纹、虹膜、手形、人脸以及步态识别等，每种生物特征都有它们自己适用的应用场合以及相应的优缺点。如指纹和虹膜识别要求识别对象与传感器相接触或距离很近的情况下；人脸识别要求能够获得识别对象近距离清晰的正面人脸图象；步态识别同样要求能获得人的清晰的轮廓，并且匀速行进的前提下。然而在现实中，仍然有一些环境下，上述识别方法所要求的环境条件无法得到满足，这些环境中可能会有一些有利于识别的其它环境因素存在，这就为在这些环境下进行人的识别提供一种可能。本课题基于空间颜色特征对视频中的

3、人体进行识别，为人们查找该目标对象在相同一段时间内（着装不会改变）出现在其他场所提供线索。或者说为人们查找目标对象在某一段时间内的行踪提供线索。二、研究的基本内容与拟解决的主要问题：本系统主要内容为：1、分割后人体图像序列的获取。该内容是后期实验的基础，可以直接从相关研究小组的网站上获取，也可以在人体检测的基础上自动或手工分割获得。2、空间颜色特征提取。3、概率转移矩阵的建立及特征值的求取。4、实验验证。拟解决的主要问题为：1、获取准确人体区域的分割图像2、提取空间颜色特征3、基于图像序列的人体对象相似度计算二、研究的方法与技术路线：1、空间颜色特征的提取：使用一

4、种“空间颜色直方图”，将分割后序列中的人进行水平方向上分解，形成n快序列。特征直方图为，其中为k维的颜色向量。由于颜色受不同的拍摄条件影响会有误差，对颜色直方图进行归一化，最后得到的为空间颜色特征直方图。水平分解如下图所示：图1。2、基于空间颜色的图模型序列匹配算法待检测的两个图像序列集合为，从中提取的特征的集合的序列为。建立一个图模型，，每个对应一个节点。任意的两个之间的边的权值为，其中是两个特征之间的距离度量，，构造随机游走转移概率矩阵，其中，。根据矩阵摄动理论，矩阵特征向量的稳定性取决于特征值之差，进一步说，如果的值越大，那么矩阵的第k个特征向量对于扰动是稳

5、定的如下图：图2上图左侧一列为图模型的转移概率矩阵的特征值，中间一列为以（即两个最大的特征值对应的特征向量）为新坐标系的二维可视化后的特征向量的分布，右侧为原始图像序列。因此我们可以对两个图像序列的图模型建立一个随机游走概率矩阵，通过计算来确定图像序列的相似程度。3、开发工具与环境介绍：硬件环境为：AMD3000+，1.80GHzCPU，1G内存，200G硬盘，Gforce7300显卡。软件环境为：WindowsXP系统，Office2007，IE7.0等。本系统主要使用VC，MATLAB编程，MATLAB是由美国mathworks公司发布的主要面对科学计算、可视

6、化以及交互式程序设计的高科技计算环境。它将数值分析、矩阵计算、科学数据可视化以及非线性动态系统的建模和仿真等诸多强大功能集成在一个易于使用的视窗环境中，为科学研究、工程设计以及必须进行有效数值计算的众多科学领域提供了一种全面的解决方案，并在很大程度上摆脱了传统非交互式程序设计语言（如C、Fortran）的编辑模式，代表了当今国际科学计算软件的先进水平。　二、研究的总体安排与进度：12月上旬：阅读相关阵摄动理论，完成图像序列相似性计算的实验，分析实验结果。4月-5月：撰写论文，参加答辩。文献，理解主要研究内容。12月下旬：完成开题报告，文献综述等。1月-2月：搜集整

7、理实验样本，并在此基础上提取空间颜色特征。3月-4月：基于空间颜色特征与矩五、主要参考文献：[1]D.Gray,H.Tao.ViewpointInvariantPedestrianRecognitionwithanEnsembleofLocalizedFeatures[C].ECCV2008.[2]L.F.Teixeira,etal.Videoobjectmatchingacrossmultipleindependentviewsusinglocaldescriptorsandadaptivelearning[C].PatternRecognitionLetter

8、s30(2