基于模板的非参量统计的视频图像中人的检测跟踪方法

《基于模板的非参量统计的视频图像中人的检测跟踪方法》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、第38卷第6期光子学报Vo1．38NO．62009年6月ACTAPH()ToNICAsinICAJune2009基于模板的非参量统计的视频图像中人的检测跟踪方法汪力，叶桦，夏良正(东南大学自动控制系，南京210096)摘要：为了克服低分辨率条件下复杂环境和人本身变化对视频图像检测的影响，将人体分为多个部分。通过高斯函数，为每个部分建立颜色线性模型．通过多个线性模型的组合，使得特征更加具有鲁棒性．在Meanshift方法基础上，利用空间位置关系建立模板，得到基于模板的非参量统计方法．该方法要优于单一的Meanshift方法．关键词：图像处理；

2、模板检测；人体检测；人体跟踪中图分类号：TP75文献标识码：A文章编号：10044213(2009)06一l591_60引言立一个模型．本文同样把人分成几个部分，每个部分的特征用单一的颜色表示．这主要是考虑到，在低分在视频序列图像中检测和跟踪人的动作在很多辨率的情况下，人的衣服、头发、皮肤都具有单一的颜色，利用该颜色特征和各部分之间的关系，应该能领域具有应用价值，如人机界面、视频数据挖掘、自动监测系统等．但是由于人的不断移动，会改变他们够找到需要检测的人．但本文是用Meanshift方法来找出最有可能的位置，而针对各部分的相对位置的姿态，加

3、上环境的影响，使得人的跟踪比较困难．属性，使用能表示位置关系的模板来描述，这样每个检测人的一个方法是先检测出人脸，再找到人．但是在没有检测到人脸的情况下，该方法会部分的关系就可以确定下来．失效．这在人并不总是正对镜头的情况下，经常碰1人的颜色概率模型到．本文也考虑了人脸，但更多的利用了衣服和头发根据人的身体各部分关系，可以把人分成五个的颜色作为线索来检测人．文献[3—4]同样利用衣服部分，头、上身、四肢．由于是低分辨率的序列图像，颜色来识别人，但是他们是在找到人脸的前提下，再所以把人分成三部分，为头部、上身和下身，这样就通过人脸下方的衣服颜

4、色来识别．本文可以在没有能在低分辨率图像中抓住人的主要特征了．由于分检测到人脸的情况下来找到人．辨率较低，那么衣服的颜色就成了主要的特征．本文本文也不同于步行的检测，因为并没有用整个主要是把衣服分成了上半身和下半身．本论文还作人来作为检测对象，这主要是考虑到人容易被遮挡，了2种假设，一个是各部分衣服颜色是单一颜色，这而且人的姿态太复杂．文献[5—7]考虑了边缘信息，在分辨率比较低时，是一个合理假设．人的头部和下但是在低分辨率的实验环境中，边缘信息受噪音影半身相对于上半身的距离变化较小，这在大多数动响很大．文献[89]中是把人分成很多部分，来

5、建作下，也比较合理．图l是用于实验的视频序列中的几帧图像．图1序列图像中的几帧图像Fig．1Someimagesinthevideosoftheexperiment文献[1]是把各部分的颜色用混合高斯模型来不然容易受到环境噪音的影响，并且由于该模型的建立的．这需要在图像分辨率较高的情况下才可用，计算效率不高，所以不适用于低分辨率下的人的检测．本文假设人体的各部分的颜色比较统一，可以为每个部分里面的像素颜色建立分别建立一个高斯模Tel：025837927l9Email：moshishibie@hotrnail．corn收稿日期：2007112

6、0型，而各部分的形状可以用矩形块来表示．身体各部光子学报38卷分的颜色分布可以用图2．图2(a)是需要描述的身3个坐标轴R、G、B分别表示颜色的3个通道，取值体3个部分，用矩形框标出，分别是头部、上身和下范围都是在0～254之间．身．图2(b)～(d)是对应身体3个部分的颜色分布，300B200lO025Ol60220l2028O80l4040250l50图2人的备部分颜色分布Fig．2ColordistributionforonesfaceandIOFSO根据颜色的空间分布，可以把每部分的颜色用以得到式(_1)线性函数来表示．假设R，G颜

7、色用向量表示，BP(y，；，，l，，G2)一P(yI；臼，Oo，盯1)P(x；ix，)一用Y表示，那么的平均值可以表示成E{)一N(y；+0，)N(x；IX，；)(4)orac+，为值建立高斯模型，如式(1)通过已有的数据，经过训练，分别得到身体的三P(YlCC；0，Oo，)一N(．y；+臼。，)(1)个部分的模型。并通过该模型计算图像中的每个像0，Oo可以通过式(2)，由已有的数据训练得到，素的概率．对应于身体的三个部分，得到图3中而由于训练数据不够多，值的设定是通过实验获(d)～(f)的概率表示．图3(b)是(d)～(f)叠加的结得，本

8、文发现在为11的时候，能够较准确反映人果．其中概率的大小用亮度值表示，黑色区域表示概的颜色分布．率为0，越亮的区域概率越大．r，]：(XX)XY(2)得到每个像素的概率表示以后，