基于视频的运动人体行为捕捉算法研究.pdf

《基于视频的运动人体行为捕捉算法研究.pdf》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、基于视频的运动人体行为捕捉算法研究付娜2015年01月中图分类号：TP391.41UDC分类号：004.93基于视频的运动人体行为捕捉算法研究作者姓名付娜学院名称计算机学院指导教师宋晔副教授答辩委员会主席孙立峰教授申请学位工学硕士学科专业计算机科学与技术学位授予单位北京理工大学论文答辩日期2015年01月22日TheresearchonhumanmotioncapturealgorithminvideoCandidateName:FuNaSchoolorDepartment:CollegeofComputerFacultyMentor:Prof.SongYeChair,Th

2、esisCommittee:Prof.SunLiFengDegreeApplied:MasterofEngineeringMajor:ComputerscienceandtechnologyDegreeby:BeijingInstituteofTechnologyTheDateofDefence:Jan.22nd，2015研究成果声明本人郑重声明：所提交的学位论文是我本人在指导教师的指导下进行的研究工作获得的研究成果。尽我所知，文中除特别标注和致谢的地方外，学位论文中不包含其他人已经发表或撰写过的研究成果，也不包含为获得北京理工大学或其它教育机构的学位或证书所使用过的材料。

3、与我一同工作的合作者对此研究工作所做的任何贡献均已在学位论文中作了明确的说明并表示了谢意。特此申明。签名：日期：北京理工大学硕士学位论文摘要人体运动捕捉是行为识别和分析的基础，是计算机视觉的热点问题之一，在安全监控、人机交互、以及计算机动画等领域具有广泛的应用前景。本文研究基于视频的运动人体行为捕捉相关算法，主要包括人体运动目标检测和人体运动目标跟踪两方面内容。在检测方面，本文重点对高斯混合模型背景建模方法进行了分析和研究，提出了高斯分量和参数学习率自适应的高斯混合模型背景建模方法。在跟踪方面，本文重点对粒子滤波算法进行了研究，提出了融合检测信息和跟踪信息的粒子滤波跟踪算法

4、。本文首先从高斯分量数目和参数学习率两方面对高斯混合模型背景建模方法进行了改进。针对高斯分量数目固定造成系统资源和存储空间浪费的问题，利用狄利克雷分布和似然概率为像素观测值选择合适的高斯分量数目。针对不变参数学习率导致模型收敛慢而无法快速适应背景变化的问题，基于像素观测值的统计特性更新参数学习率。然后，结合人体几何学特征和人体骨架模型对检测阶段获取的运动目标区域进行分析以识别人体。最后，对识别的人体运动目标进行跟踪，利用人体检测结果初始化粒子滤波跟踪算法，并利用检测结果后验概率和粒子传播概率的加权和来建立重要性概率分布以提高粒子的精确度。跟踪期间，若检测到新的人体，利用该人

5、体的特征信息建立新的观测模型，实现多目标跟踪。实验结果表明，本文提出的改进高斯混合模型背景建模方法提高了运动目标检测精度，提出的融合检测信息的粒子滤波跟踪算法实现了多目标跟踪。关键词：参数学习率自适应；高斯分量数目自适应；粒子滤波算法；重要性概率密度；多目标跟踪I北京理工大学硕士学位论文AbstractHumanmotioncaptureisthebasisofbehaviorrecognitionandanalysis.Itisstillanopenproblemincomputervisionandhasbroadapplicationprospectsinthesec

6、uritysurveillance,humancomputerinteraction,andcomputeranimationandsoon.Thispaperdoresearchonhumanmotioncapturethroughthevideoanalysis,includingmovingtargetdetectionandtracking.Indetection,abackgroundsubtractionmethodbasedongaussianmixturemodelwithadaptivenumberofcomponentsandadaptivelearni

7、ngrateofparametersisproposed.Intracking,atrackerwhichintegratesdetectionresultsandtrackingresultsusingparticlefilterisproposed.Firstly,thebackgroundmodelingmethodbasedongaussianmixturemodelisimprovedintwoaspects.Forafixednumberofgaussiancomponentsresultinginwa