室内场景的人体跟踪与行为分析

《室内场景的人体跟踪与行为分析》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、．讀惠罩ＩｉＩＡｉ种成＊葦ＣＨＮＯＬＯＧＹＱＦＣＨ■ＮＡＵＮＩＣｓｃＩＥＭＣ巨ＡＮＤＴ巨ＩＶＥＲＳＩＴＹＯＦＥＬ巨ＣＴＲＯＮ硕±学位论文ＭＡＳＴＥＲＴＨＥＳＩＳ－．．．陕麵‘１＇卢￣一’＇，奔．＇ｙ：＇：：，‘４：：犀臟邮。沪论文题目室内场景的人体跟綜与行为分析学科专业信号与信息处理学号２０１：３２１０：２（口８９作者姓名巧超指导教师程建副教授，．。＇奴心旅只；、独剑性声明？本人声明

2、所呈交的学位论文是本人在导师指导下进行的研究工作及取得的研究成果。据我所知，除了文中特别加标注和致谢的地方夕ｈ论文中不包含其他人己经发表或撰写过的研究成果，也不包含为获得电子科技大学或其它教育机构的学位或证书而使用过的材料。与＊我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确的说明并表示谢意。■作者签名：＆曰期：曰障一Ｍ＾年ｆ月。论文使用授权本学位论文作者完全了解电予科技大学有关保留、使用学位论文的规定，有权保留并向国家有关部口或机构送交论文的复印件和磁盘，允许论文被查阅和借阅。本人授权电子科技大学可将学位论文的全部或部

3、分内容编入有关数据库进行检索，可采用影印、缩印或扫描等复制手段保存、汇编学位论文。（保密的学位论文在解密后应遵守此规定）作者签名：＿＿＿＿＿导师签名；－曰期：年月曰三方分类号密级注1UDC学位论文室内场景的人体跟踪与行为分析（题名和副题名）苟超（作者姓名）指导教师程建副教授电子科技大学成都（姓名、职称、单位名称）申请学位级别硕士学科专业信号与信息处理提交论文日期2016.03.31论文答辩日期2016.05.12学位授予单位和日期电子科技大学2016年6月答辩委员会主席评阅人注1：注明《国际十进分类法UDC》的类号。IndoorSceneHumanBod

4、yTrackingandActivityAnalysisAMasterThesisSubmittedtoUniversityofElectronicScienceandTechnologyofChinaMajor:SignalandInformationProcessingAuthor:GouChaoAdvisor:ChengJianSchool:SchoolofElectronicEngineering摘要摘要本论文是“基于多模式智能视觉感知与移动3G网络的空巢老人监护系统”项目的一部分，该项目旨在对室内空巢老人的异常行为进行识别和预警。通过对前景检测、人体跟踪和行为分析算法

5、进行改进和整合，在连接相机的PC客户端上实现对空巢老人实时的稳健跟踪与行为分析，然后把行为分析结果上传到远程服务器端，最后再把信息实时发送到子女或监护人的安卓App客户端。由此最终构建了一套基于计算机视觉的自动化空巢老人监护解决方案，具有广泛的应用前景。本文的主要研究内容如下：1.运动目标检测和多人体跟踪：在室内场景视频的运动目标检测中，比较了稠密光流法(DenseOpticalFlow,DOF)、ViBE(VisualBackgroundExtractor)算法和高斯混合模型(GaussianMixtureModel,GMM)这三种经典方法的前景检测效果，最终决定采用各方面性

6、能均衡的GMM算法。在GMM算法基础上，整合了倒影检测算法来去除倒影，在前景图像预处理中使用了特别的形态学处理方法来聚类人体前景块和去除前景噪声。在前景Blob的人体分类中，针对经典的HOG(HistogramofOrientedGradient)特征行人检测算法在真实场景下错误率高和速度慢的缺点，本文只对跟踪到的前景Blob区域做行人检测。在基于前景Blob的跟踪算法中，根据帧与帧的Blob的几何特征信息实现了一个简单的BlobTracking系统。为了克服BlobTracking无法处理多人遮挡和静止跟踪的问题，本文用KLT(Kanade-Lucas-Tomasi)Trac

7、ker来改进了BlobTracking算法，解决了多人遮挡和静止跟踪的问题，并且得到稳健的跟踪结果。2.运动特征提取和行为分类：针对单目相机由于缺乏景深无法得到人的真实速度和位置信息从而对行为分析造成的困难，本文通过对房间几何信息和家具信息进行标定，然后利用透视投影变换(PerspectiveProjectionTransformation,PPT)来定量得到了人的真实速度特征以及人和家具的相对位置特征，极大地提高了行为分类的正确率。然后介绍了GBM(GradientBoostingMach