人体检测方法研究与实现开题报告

人体检测方法研究与实现开题报告

ID:479920

大小:49.50 KB

页数:5页

时间:2017-08-09

人体检测方法研究与实现开题报告_第1页
人体检测方法研究与实现开题报告_第2页
人体检测方法研究与实现开题报告_第3页
人体检测方法研究与实现开题报告_第4页
人体检测方法研究与实现开题报告_第5页
资源描述:

《人体检测方法研究与实现开题报告》由会员上传分享,免费在线阅读,更多相关内容在行业资料-天天文库

1、开题报告人体检测方法研究与实现一、选题的背景、意义近几十年来,随着计算机技术和图像处理技术的发展,目标检测及跟踪系统广泛运用于各领域。人们对视频序列中运动目标的检测与跟踪做了大量而深入的研究,提出了各种行之有效的方法,其中运动人体的检测与跟踪犹豫在智能监控领域的应用前景和潜在经济价值成为研究的热点课题之一。运动人体检测、识别、和跟踪技术是人体运动分析的重要内容,也是计算机视觉研究的重要领域之一。它在智能监控、虚拟实现、人机交互、辅助临床医学诊断等领域均具有广阔的运用前景和经济价值。近年来,随着中国城

2、市化建设不断深入,大型城市(如上海、北京、广州)的人口呈爆炸式增长,随之而来的交通压力也日益增大,矛盾日益突出。本文主要是针对城市交通环境下如何保障行人交通顺畅和出行安全等问题,研究了摄像机静止情况下基于单目视觉的运动人体检测、识别和跟踪方法,详细介绍了从复杂场景中分析行人运动的算法研究和编程实现的过程。现在,在很多场合我们都可以看到一些用于监控的摄像头。如银行,超市,商场,居民社区,停车场,教室,高速公路等,可以说监控的应用无处不在。但目前大部分的监控是由相关人员通过监视器进行人工监控,这样由于监

3、控的区域过大或监控时间过长使人产生疲劳,造成一些区域的漏检,没有对一些异常情况做出及时的反应,失去了监控的作用。因此,人体检测技术的应用,可以使通常被动的监控成为智能的主动的监控。当一些人员出现在场景中,我们的监控设备就会自动检测出人体,通知监控人员。这样一方面可以减轻监控人员的工作,减少一些人力,物力和财力的投入。另一方面可以提高家弄的准确度,可以及时对异常情况进行报警,减少不必要的损失。同时,人体监测还可以对交通管理,地铁,及其他公共场所的人流信息进行分析和计算。人体目标的检测的目的是从序列图像

4、中将变化区域从背景图像中提取出来,运动区域的有效分割对于目标分类、跟踪和行为理解等后期处理是非常重要的。然而,由于背景图像的动态变化,如天气、光照、影子及混乱干收稿日期:2009—09—17基金资助:国家自然科学基金资助重点项目(60736024);国家自然科学基金资助项目(60574004);高校博士点基金资助项目(708069)l28扰等影响。使得运动检测成为一项相当困难的工作。在此,只研究在背景静止状况下的人的运动。人体检测技术讲在现实生活中取得越来越重要的作用,其广阔的前景和价值成为推动该技

5、术发展的强大动力。一、研究的基本内容与拟解决的主要问题1.图像预处理.图像预处理主要用于消除图像的基本噪声、增强图像对比度等,以改善图像质量,使图像变得较为清晰,以便后续处理和分析,如图像分割等。对图像滤波方法的选择取决于噪声与图像的关系以及处理的具体要求,图像常被强度随机信号(也称为噪声)所污染【3】。考虑到实际场景图像中的噪声特性,这里主要采用高斯滤波法,来滤除图像中包含的高斯噪声。2.背景提取。背景图像为不含前景目标的场景图像。背景图像为不含前景目标的场景图像。这里采用自适应背景提取方法,即首

6、先将输入的第一帧图像作为原始背景,从第二帧开始对当前帧间差分图像进行二值化处理,由二值图找到运动区域和非运动区域[6]。为了消除纹理相似的前景交叠区域作为背景提取的不足,这里采用的方法中引入了数学形态学运算对帧差分图像的进一步处理,准确提取出非运动区域;然后用当前帧图像中的非运动区域部分更新当前背景图像,而运动区域部分的背景图像则保持不变,经过一定数量图像的迭代便可提取出背景【3】。3.运动行人分割。在采用背景差法检测运动行人过程中,除了得到清晰的背景图像之外,选取合适的阈值也是准确分割出运动的行人

7、中至关重要的一步,是运动行人检测的一个重点和难点。由于场景中背景基本无动态变化,且行人的服装颜色与背景差别较大,经反复实验,人工确定动态图像序列中差分图像二值化的阂值为30(灰度值)。4.提取运动区域。分割后的连通区域受噪声影响很大,图像中存在一些小的噪声干扰点,这些干扰的存在必然影响行人检测的质量。首先,对二值化之后的图像进行中值滤波,消除小的噪声;然后,采取数学形态学处理中的腐蚀和膨胀算子对二值图进行操作,去除噪声前景点和填补目标区域的小孑L,从而得到行人较为清晰和完整的轮廓。运动目标检测最常用

8、的一种方法就是背景减除,这种算法估计出一个不带有运动目标的背景模型,通过计算当前图像帧和该背景模型的差别来确定运动目标的位置,并利用检测结果动态的更新背景模型。各种背景消减算法的主要差别在于所采用的背景模型类型和更新算法。目前普遍采用的方法是对图像帧中每一个点,用一个统计模型来描述其亮度(颜色)的概率分布,在实际中使用上最多的就是正态概率分布(高斯分布)。在背景更新时,则对不同的检测结果赋予不同的更新系数,以区别是倾向于保留还是改变原有的分布。检测运动的人体时,基于形

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。