资源描述：
《一种改进的人体追踪方法在电梯中的应用》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。
1、一种改进的人体追踪方法在电梯中的应用【摘要】针对传统人体追踪方法存在的不足，提出一种改进的追踪方法。首先结合hog表达式提取人体的特征向量；再利用pea算法对特征向量进行降维，找出每帧图像人体所在区域；最后在电梯中实现人体的实时追踪。实验结果表明：降维后的人体特征数据史有助于实现追踪，所提出的方法应用到视频图像人体追踪中可以有效的追踪人体。【关键词】hog；人体追踪；pea0引言随着视觉技术的飞速发展，人体追踪问题受到极大关注。但由于人在行走过程中角度的变化和背景的影响，使人体被准确的追踪存在诸多干扰。目前，传统
2、的人体视频追踪方法［1-3］通常采用基于统计分类的方法，其中关键是在视频图像中提取人体的特征，再对其特征加以处理，标记人体区域，从而实现追踪。但现有的特征提取的方法诸如小波特征、sift、shapecontext等，都是在一些密集、统一的空间单元上计算，而且为了改善性能，都要重叠局部进行像素对比度标准化，不仅在计算上相对复杂，而且，追踪的效果不显著。笔者提出一种基于hog［4-6］和pea的追踪方法，它针对计算图像中各个像素点的颜色和深度计算梯度和边缘方向直方图，最终获得梯度方向向量，再应用PCS算法，对向量进行
3、降维处理，以降维后的向量作为比较对象，从而找出人体在视频图像的区域，进而实现追踪。简化了数据的复杂度，从而有效的改进传统算法的不足。将算法应用到电梯屮，实现电梯屮的人体监控追踪。1本文追踪算法的实现1.1人体hog特征向量提取通常的hog提取特征值法，是将一个cell颜色梯度按照0-180度分成1个9维的幅值加权向量。而笔者提出的改进方法，将图像的深度值也按照hog的特征向量提取方法加以计算梯度向量。根据以上内容，做以下定义：定义1：一个cell的颜色梯度向量为(al,a2-a9)t,深度的梯度向量为(bl,b2
4、・・・b9)t,那么表示一个cell的梯度向量从单一的颜色梯度向量变为结合深度的综合梯度向量，表达式为：(al…a9…bl…b9)t(1)我们将公式(1)作为梯度向量的改进表达式，根据hog大量实验结果表明：选用数据以像素点为单位，csize为8X8,cdim为9,bsize为16X16,bstep为8,w与h分别为128和64的参数，使结果最为理想，误差也较小。按照每个cell得到1个9维的颜色梯度向量和1个9维的深度梯度向量。按照式(1)合并后，得到1个18维的综合梯度向量可得总维数。得到梯度向量的目的是找出
5、人体的特征，根据hog理论和式(1)得到的梯度向量可以表征人体所在区域的特征。1.2特征向量的降维提取出的特征向量属于高维向量，增加了计算的复杂度，受到pea的启发，笔者对高维向量进行降维处理。流形降维需要训练样本，笔者建立一个包含50个人体形态的向量矩阵，记为。按照pea算法所述，我们可以将高维向量向进行降维。降维后的向量矩阵记为So当计算得到当前帧人体特征向量，记为X,我们利用kernelridgeregression(krr)算法屮冋归功能函数：f(x)=yt(k+入in)-lk(x)(2)其中,yt=s,
6、k=kij,kij=k(xi,xj),xi,xj是s中任意两个向量，in是单位矩阵，入是单位矩阵系数，k(x)是x与s中所有向量的核向量。我们使用高斯核函数(rbf)：ko(xi,xj)=exp-B(3)1.3追踪实现当得到降维后的当前帧特征向量，由于视频图像每秒采集30幅画面，认为每帧画面的差别不会很大。由此，人体所在的区域在每帧的变化认为是渐变的。综合以上，笔者做出以下定义：定义2：将当前帧人体所在区域扩大1.44倍，作为下一帧人体所在区域的检索范围。当下一帧到来时，按照大小为wXh的检索指针对检索区域内的像
7、素点按照式(1)和式(10)求取梯度向量，结合式(11)可以得到降维后i组梯度向量，梯度向量表达式为(a■alH)■,前一帧人体所在区域的梯度向量表达式为(al,a2)t,按照欧氏距离的原理，得到以下表达式:1=«(4)其中，1为两组向量的欧氏距离。采用欧氏距离的大小來判断向量的相似程度。1越小表示两个向量越相似，当1为零时，表示两个向量是相同的。我们借助欧氏距离找出当前帧检索区域中与上一帧最为和似的向量，而此向量所在的区域可以近似的认为是当前帧人体所在的区域，也是冃标区域。按照视频图像流每帧都经过以上处理，就可
8、以对人体进行实时的追踪O2结语本文对人体运动的追踪进行深入研究分析，结合hog特征提取法和pea算法，提出一种全新的追踪方法。实验结果表明，加入深度信息的图像更加有效的反映人体特征，pea可以有效简化数据复杂度，简化了传统hog的训练过程，更加快速的找出视频图像中人体所在区域，应用在电梯中，有良好的效果。使人体追踪的应用方面也大大增加，为将改进后的方法应用到其他领域提供了
