基于计算机视觉的人体跟踪与运动参数测量

【摘要】：基于计算机视觉的运动跟踪和检测是计算机视觉领域的重要课题。对视频序列中的运动目标进行检测、跟踪,获得目标的位置、速度等运动参数,是进行更高级的运动目标行为分析的基础。快速实时地检测出运动目标,对运动目标进行跟踪,并实现目标的运动数据分析,在体育领域可以得到广泛的应用。例如,对一个田径运动员的训练视频进行处理,提取出其瞬时运动速度、手臂摆动幅度、频率等信息,由于视频序列每秒钟有多幅图像,含有大量的人眼捕捉不到的有价值的信息,可用于分析运动员技术上的不足,提高运动技能。 本文首先对图像噪声模型做了简单介绍,在图像滤波方面,在中值滤波和均值滤波的基础上使用了一种基于中值和均值滤波的加权滤波算法。 结合帧间差分法和背景差分法改进了一种可以自适应背景更新的运动目标检测方法,提取出运动目标的完整区域。 在目标跟踪的方法上,首先讨论了粒子滤波算法,并进行了相关实验,粒子滤波算法虽可以较好的跟踪运动目标,但由于计算量过大,实时性较差；接着分析了CamShift跟踪方法的原理,在其基础上提出了一种根据目标检测结果自选定目标的改进算法,实验发现其实时性和抗干扰性能较好,可实现对运动目标的跟踪。目标跟踪的结果可作为目标定位的输入 根据目标检测和跟踪的结果,对运动目标的运动参数进行测量,提取出视频序列中每一帧中目标的位置,利用最小二乘法拟合出目标的位移函数,得到运动目标的瞬时速度；利用目标检测得到的二值化图像的投影直方图得到目标的运动幅度,根据相邻两次幅度极大值的时间差,求取目标瞬时的运动频率。