目标识别与跟踪综述

目标识别与跟踪综述

ID:20049688

大小:207.50 KB

页数:14页

时间:2018-10-09

目标识别与跟踪综述_第1页
目标识别与跟踪综述_第2页
目标识别与跟踪综述_第3页
目标识别与跟踪综述_第4页
目标识别与跟踪综述_第5页
资源描述:

《目标识别与跟踪综述》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、综述摘要:人体的运动分析主要指的是对场景中的运动个体或者群体进行运动检测、运动跟踪与理解以到达描述人体行为的目的。通过阅读文献,本文将从人体检测,人体跟踪和人群运动分析三个方面介绍人群特征分析的方法。1.绪论随着社会的发展,公共需求的提高,群体运动的分析越来越受关注。并且随着人口的增长,人群活动日益增加,相应的人群安全问题也越来越突出。对人群的分析研究分别在社会学、心理学、建筑学、计算机等各个学科受到极大的关注。人群分析主要分为以下五个方面。(1)人群管理:对大型集会的人群管理,是公共安全管理领域中最亟待解决的问题。人群分析可以更好的发展人

2、群管理策略,避免因人群拥挤而发生的灾难事件,确保人身安全。(2)虚拟环境:通过构造人群的数学模型结构,在虚拟环境下来模拟人群场景,来丰富人的生活体验。如一些虚拟的聊天室、电影或者动画制作过程中的特效应用等。(3)智能环境:在一些涉及到大型人群的智能环境下,人群分析可以预协调人群。如在博物馆,人群的模式决定了如何疏散人群。(4)公共场所设计:人群分析可以为公共场所的设计提供指导,如对商场的人流估计,使得商场的布局更方便于顾客或者最可能有效的利用空间优化办公室场所。(5)视觉监控:人群分析可以用来自动检测场景中的异常情况。而且,在人群中的个体跟

3、踪有助于协助安防人员捕捉嫌疑犯。虽然人群运动分析技术研究已取得了一定的成果,但是人群运动的复杂性以及实际运动场景的多变性仍然给人群运动分析带来很多的研究难点。目前在人群运动的自动检测与跟踪方面,也没有相对完善的理论基础,各向技术也处在完善阶段。主要表现在:(1)运动检测与分割:在人群运动分析系统中,如何对人群运动实现快速而准确的分割是极为重要的难题。由于视频序列中运动场景极易受到各种客观因素的影响,如光照变化、背景与前景的混杂干扰、运动目标与环境之间或者运动目标之间的遮挡现象等,使得对人群运动实现有效分割变的十分的困难。目前常用的运动分割算

4、法如帧间差分法或背景相减法都难以适应复杂或者拥挤场景的运动分割。(2)遮挡问题处理:由于人群运动的密集特性,使得人与人之间的遮挡问题变得极为严重。此外,在真实场景中,还存在人群与人群之间甚至是人群与环境之间的互遮挡现象,这些现象都将导致运动目标对象信息的丢失。这些如何有效处理遮挡问题也是衡量一个人群运动分析系统优劣的准则。(3)运动特征的提取:人群运动的特征既具有个体运动的特征也具有群体运动的特性,合理的选取人群运动的特征对后续的人群运动分析尤为重要。运动视频序列的直方图信息、光流场、边缘信息、彩色纹理特征等都可以用来作为运动检测。根据不同

5、的运动场景、运动目标特性因合理的采用不同的运动特征。本文通过对人群特征分析的几种主要算法的整理和介绍,学习了每种算法的优点和缺点以及其适用的环境。2人体检测视频图像中的运动人体检测是一个重要且十分困难的研究领域,在实现运动补偿、视频压缩编码、视频理解时都需要用到运动目标的检测。在视频理解中运动人体检测是后续跟踪、识别和活动分析的基础。对运动人体目标的正确检测能大大提高后续跟踪、识别和活动分析的正确率。运动目标检测的方法主要分为三种:一种是帧差法,基于时问序列图像上的差分图像实现运动目标的检测;第二种是光流法,是对图像的运动场进行估计,将相似

6、的运动矢量合并形成运动目标的检测;最后一种是背景差法,基于图像序列和参考背景模型相减实现运动目标的检测。帧差法能较好的适应环境变化较大的情况,对于目标运动引起的图像序列中发生明显变化的象素点比较容易检测,但对于变化不明显的象素点不能很好的检测出来。光流法在摄像机存在运动的情况下能较好的检测运动目标,但大多数光流计算方法十分复杂,计算量较大,不能满足实时视频流处理的要求。背景差方法能检测出和运动目标相关的所有象素点,但这种方法对于外界环境的变化,如光照、外来事件等非常敏感。2.1帧差法帧差法是基于目标的运动能体现在图像序列的变化上,以直接比较

7、图像序列相邻帧对应象素点发生的相对变化为基础进行运动目标检测的方法。这是一种直接简单的运动检测方法。也相当于检测的是每一帧静态图像中的目标,通过阅读文献,了解了基于AdaBoost算法的人脸检测方法。人脸样本集计算各样本的积分图及计算矩形特征值AdaBoost算法:挑选矩形特征,构建弱分类器,并确定其阈值和分类值,更新归一化样本权值弱分类器集由若干弱分类器构成一个强分类器并且确定强分类器的阈值强分类器集所有强分类器层层相连构成一个多层分类器存储多层分类器非人脸样本集待检测图像选择候选窗口计算各个候选窗口的积分图检测输出人脸大小及位置图2.1

8、AdaBoost快速人脸检测系统框架图使用AdaBoost学习算法的人脸检测方法由Viola等于2001年提出,该方法的主要特点是简单,实时性好,采用了一种称为“积分图像”的图像

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。