人体运动目标检测和跟踪.PDF

维普资讯 文献标识码 ：B 文章编号：1003—0492(2007)05—0102—04 中图分类号：TP391 人体运动 目标的检测与跟踪 MovingObjectDetectionandTrackingforHuman—body 人体运动 目标的检测与跟踪技术是计算机视觉的主要研究 张铁力 (1981一) 方向之一，在生物医学，人机交互，虚拟现实，智能安全监控， 男，黑龙江牡丹江人，硕士研究生 ，研究方 机器人技术，图像压缩，计算机图形学等领域都有着广泛的应 向为计算机视觉分析及人工智能。 用 。 运动 目标的检测就是从视频流中去除静止的背景，检测出 运动的 目标及携带的运动信息，运动 目标的检测对跟踪等后期 处理非常关键 l『】。目前，运动 目标的检测方法主要有四种：背景 差分法、帧间差分法、光流法、基于特征的方法。 现有的目标跟踪方法主要有两类：一类是基于相关的目标 摘要：提出了一种静止背景的情况下人体运动目标的检测与跟踪的新方法。 跟踪。这是一种先检测后跟踪的方法，它适用于目标之间相互 该方法利用背景差分弦与粒子滤波器算法相结合。首先，利用背景差分法可 作用较小和背景较简单的情况；另一类是基于特征的目标跟踪。 检测运算出人体运动区域的大小和形心，在一定的时间间隔 ，(，ls) 这是一种先跟踪后检测的方法，跟踪的结果需要检测来校正2[1。 后，再次利用背景差分法经运算可得到人体运动的速度 ，然后运用粒子滤波 基于特征的目标跟踪最常用的方法是卡尔曼滤波器，但 器算法利用背景差分所获得的人体运动区域的大小、形心、速度三个参数建 该算法要求系统是线性高斯型的，而对于人体运动来说是非线 立跟踪模型。实验结果证明，该方法对人体 目标跟踪是快速且有效的，并且 性非高斯的，所以不能直接用来解决人体 目标跟踪问题。为 有很好的鲁棒性。 此 ，人们开发出各种非线性滤波算法。一种是扩展卡尔曼滤波 关键词：粒子滤波器；背景差分；检测与跟踪；人体运动目标 算法(EKF)，它对非线性系统进行局部线性化，从而间接利用 卡尔曼滤波算法进行滤波与估算，只适用于滤波误差和预测误 Abstract