收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于视频的人体目标跟踪与识别技术研究

余杰  
【摘要】:基于视频的目标跟踪与识别技术是计算机视觉的主要研究方向之一,是诸如智能监控、人机交互、地形导航及视频智能标注检索等应用的基础和关键技术,是实现“智慧城市”、“平安城市”的重要手段,具有重要的理论研究与实际应用价值。然而,自然非受控条件下获取的视频中,环境复杂多变,对其中各类目标跟踪识别带来诸多挑战。针对各种复杂场景及不同目标,如何设计实现效率高、鲁棒性好、实时性强的目标跟踪识别技术仍然是当今业界研究的热点及难点。鉴于此认识,本文立足于前人一系列优秀成果,启发于人类自身视觉系统完美的目标发现跟踪与识别机制,主要针对视频中人体目标的跟踪与识别问题展开了深入的研究,取得的创新性成果如下:1.针对目标样本稀缺,致使目标特征初始不充分,抑或目标原有特征易被遮挡、伪装,甚或因时光荏苒而逐渐灭失消亡,从而导致目标已知特征数据逐渐失效,如此种种,最终导致目标跟踪识别效率极低,提出了一种基于单样本的自主在线的目标特征学习及更新算法(One Sample Based Autonomous Online Features Learning and Updating Algorithm,FLUA)。算法首先基于目标单样本获取的局部特征,对视频中目标的相似视图区域进行识别定位,尔后根据视频帧之间静态特征点的值、分布及其运动一致性等多重匹配的校验,在线学习更新目标新特征,一旦目标新特征得到确认,立即作用于随后的目标跟踪识别及其特征学习更新过程。实验结果表明,本章提出的FLUA算法无需大量目标样本图像,无需事先大量训练,纵然在单样本情形下,特征学习获取效果依然显著,有效的提高了目标跟踪过程的效率。特征学习无需复杂的迭代求解过程,更新速度快,能够满足跟踪系统实时性要求。2.针对人体目标头部姿态抑或脸部表情等变化、脸部化妆抑或伪装等等严重影响目标人脸部图像的跟踪获取,从而对基于人脸的目标跟踪与识别等应用系统产生极为不利的影响,提出了一种基于人体模糊跟踪的人脸跟踪获取算法(Human Body Fuzzy Tracking Based Face Tracking and Capturing Algorithm,B-FTC)。算法首先根据目标身体各肢体部分特征及运动一致性匹配跟踪定位目标的身体,尔后根据目标头部与身体的位置及运动相关性定位获取目标的脸部图像。在对目标身体跟踪识别的同时,引入了在线特征学习更新机制以应对目标的外观特征的逐步变化。实验结果证明,该算法对目标头部姿态、镜头视角、脸部表情等等变化,以及脸部局部遮挡、化妆、伪装等等不利因素具有完全的鲁棒性,同时具有极好的脸部跟踪获取及归属分类效果,在自然监控视频及四川变脸表演视频中,对目标脸部图像的跟踪获取率都在90%以上,正确率几近达到100%。3.针对监控视频不同于生活摄影,其中人物脸部表情及头部动作较多自然变化,获取的脸部图像多以不同视角的‘表情碎片’形式存在,从而导致基于正面或近正面表情平静的人脸识别算法失效,本文提出了一套可以相当程度免疫于头部姿态、表情、光线等诸多变化以及部分遮挡等不利情形下,N:M的video-to-video人脸自动识别算法(Space and Expression Double Weighted based Video-to-Video Face Recognition,SEDW-2VFR)。算法首先根据脸部碎片特征点的值、分布的双重匹配及其运动变换的误差大小对基准视频中跟踪获取的目标脸部碎片图像进行区域及表情的双重分类,对基准目标的每一脸部图像类集进行特征投影矩阵的生成及特征的提取,而后对待测视频中跟踪获取的目标人脸部碎片进行在线分权2D-PCA识别。实验表明,该算法对头部姿态及表情等变化具有很强的鲁棒性,在自然条件下的生活视频中,目标跟踪识别率依然达到90%以上。4.针对大多数现有步态识别算法预设条件苛刻,其中步态表示、提取及比对过程复杂,计算量大,识别效果差,提出了一种基于肢体区域及步态周期双重区分的步态特征异步提取,同步分权融合的2D-PCA步态识别算法(Limbs and Gait Period Double Distinguished Feature Asynchronous Extraction and Synchronous Weighted Fusion Based Gait Recognition,FAESWF-GR)。算法首先对基准目标各肢体部分进行异步特征提取,并根据步态特征周期的长度进行归类和‘时间片’划分,而后采用2D-PCA算法对不同周期长度的步态特征‘时间片’子集进行特征投影矩阵生成及特征提取,然后对待识别目标肢体各部分进行在线的步态周期特征提取及时间片划分,同时进行同步与分权相融合的2D-PCA步态识别。实验表明,算法的步态特征异步提取机制具备了对视频中身体局部碎片图像进行特征提取的能力,从而使算法对身体的视角、姿态、焦距的变化及身体的局部遮挡等等都具有了极强的鲁棒性。另外,算法的同步与分权相融合的综合比对机制中肢体各部分特征权重可调,从而使算法能针对不同情形对肢体各部分特征赋予不同权重,极易体现肢体各部分在不同情形下步态的整体性及权重的差异性,很好适应自然条件下视频中目标人身体及其所处环境的各种复杂变化,取得较高识别率。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 田光见,赵荣椿;基于傅立叶描绘子的步态识别[J];计算机应用;2004年11期
2 田光见;赵荣椿;;一种步态识别方法[J];计算机科学;2005年09期
3 洪文,黄凤岗,苏菡;基于连续隐马尔科夫模型的步态识别[J];应用科技;2005年02期
4 刘玉栋,苏开娜,马丽;一种基于模型的步态识别方法[J];计算机工程与应用;2005年09期
5 田光见,赵荣椿;步态识别综述[J];计算机应用研究;2005年05期
6 赵子健;吴晓娟;;基于近似时空切片向量的步态识别方法研究[J];模式识别与人工智能;2005年05期
7 赵黎丽;侯正信;;步态识别问题的特点及研究现状[J];中国图象图形学报;2006年02期
8 许文芳;吴清江;;步态识别综述[J];福建电脑;2007年01期
9 彭彰;吴晓娟;杨军;;基于肢体长度参数的多视角步态识别算法[J];自动化学报;2007年02期
10 韩旭;刘冀伟;么键;那幼超;王志良;;一种改进的步态识别方法[J];电子器件;2007年04期
11 王科俊;侯本博;;步态识别综述[J];中国图象图形学报;2007年07期
12 苏菡;黄凤岗;;一种基于时空分析的步态识别方法[J];模式识别与人工智能;2007年02期
13 程琼;庄留杰;韦琳;;一种有效的步态识别方法[J];武汉科技学院学报;2007年07期
14 程琼;韦琳;;步态识别方法分析与研究[J];湖北经济学院学报(人文社会科学版);2007年11期
15 顾磊;吴慧中;肖亮;;一种基于多区域侧影面积的步态识别方法[J];模式识别与人工智能;2008年05期
16 齐美彬;王倩;蒋建国;;非规范视角步态识别研究[J];仪器仪表学报;2008年10期
17 任继钢;;步态识别综述[J];攀枝花学院学报;2008年06期
18 程琼;周炳松;付波;;步态识别系统设计[J];湖北工业大学学报;2008年05期
19 薛召军;靳静娜;明东;万柏坤;;步态识别研究现状与进展[J];生物医学工程学杂志;2008年05期
20 王科俊;刘丽丽;贲晛烨;;基于步态识别的智能监控系统研究[J];计算机应用;2009年02期
中国重要会议论文全文数据库 前8条
1 邓玉春;刘世平;;自动步态识别方法研究综述[A];2007通信理论与技术新发展——第十二届全国青年通信学术会议论文集(上册)[C];2007年
2 何卫华;李平;文玉梅;叶波;袁海军;;运用下肢关节角度信息进行步态识别[A];第十三届全国图象图形学学术会议论文集[C];2006年
3 肖军;苏洁;郑波;贾鹏宇;;智能仿生腿在不同路况下的步态识别系统研究[A];2007中国控制与决策学术年会论文集[C];2007年
4 张聪;明东;万柏坤;;基于小波描述子和人体骨架模型的多视角融合步态识别[A];天津市生物医学工程学会第29届学术年会暨首届生物医学工程前沿科学研讨会论文集[C];2009年
5 朱京红;方帅;高明;方杰;;基于人工免疫模型的步态识别方法[A];第十四届全国图象图形学学术会议论文集[C];2008年
6 叶波;文玉梅;李平;;基于核主元分析和支持向量机的步态识别算法[A];第十三届全国图象图形学学术会议论文集[C];2006年
7 王科俊;阎涛;吕卓纹;;基于耦合度量学习的特征级融合方法及在步态识别中的应用[A];2013年中国智能自动化学术会议论文集(第三分册)[C];2013年
8 王科俊;贲晛烨;;基于线性插值的特征模板构造的步态识别算法框架[A];2009年中国智能自动化会议论文集(第七分册)[南京理工大学学报(增刊)][C];2009年
中国博士学位论文全文数据库 前10条
1 刘磊;基于多源信息的步态识别算法研究[D];河北工业大学;2015年
2 余杰;基于视频的人体目标跟踪与识别技术研究[D];电子科技大学;2016年
3 贲晛烨;基于人体运动分析的步态识别算法研究[D];哈尔滨工程大学;2010年
4 曾玮;基于确定学习理论的人体步态识别研究[D];华南理工大学;2012年
5 张元元;基于序列统计特性的步态识别算法研究[D];山东大学;2010年
6 赵国英;基于视频的步态识别[D];中国科学院研究生院(计算技术研究所);2005年
7 薛召军;基于小波变换和支持向量机相结合的步态识别新方法研究[D];天津大学;2007年
8 胡荣;人体步态识别研究[D];华中科技大学;2010年
9 顾磊;基于图像序列的人体步态识别方法研究[D];南京理工大学;2008年
10 刘海涛;基于立体视觉的步态识别研究[D];中国科学技术大学;2010年
中国硕士学位论文全文数据库 前10条
1 杨楠;基于视触觉多特征融合的步态识别方法研究[D];河北工业大学;2015年
2 周浩理;复杂背景下多特征融合的人体步态识别研究[D];海南大学;2016年
3 李雪燕;视频监控中人体步态识别方法研究[D];长春工业大学;2016年
4 潘秀芳;基于手机的步态识别研究[D];燕山大学;2016年
5 罗璨;存在干扰因素情况下的步态识别统动力学初步探索[D];苏州大学;2016年
6 张鹏;耦合度量学习理论及其在步态识别中的应用研究[D];山东大学;2016年
7 沈小康;基于Kinect的人体步态跟踪与识别技术[D];山东大学;2016年
8 周洁;基于姿态与压力信息的步态识别方法[D];西南交通大学;2016年
9 陈庆峰;基于确定学习理论的步态分析及在神经退行性疾病分类中的应用[D];华南理工大学;2016年
10 陈玲;基于视频流的步态识别系统研究与实现[D];暨南大学;2016年
中国重要报纸全文数据库 前2条
1 编译 刘东征;新型“步态密码”给手机加把锁[N];北京科技报;2005年
2 若水;分析步态识别身份[N];光明日报;2003年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978