題-1_100_100.jpg)
基本信息
- 項(xiàng)目名稱：
- 視頻監(jiān)控中人體跟蹤
- 來(lái)源：
- 第十二屆“挑戰(zhàn)杯”作品
- 小類：
- 信息技術(shù)
- 大類：
- 科技發(fā)明制作B類
- 簡(jiǎn)介：
- 我們的作品展示了在擁擠環(huán)境下人體的檢測(cè)和跟蹤，而在這個(gè)過(guò)程中解決這個(gè)較難處理的遮擋問(wèn)題。提出了基于人體模型的邊界曲線的分割方法。此方法不同于前人提出的一些方法，這種分割方法將多維圖像轉(zhuǎn)換為一維曲線，通過(guò)對(duì)一維曲線的處理來(lái)達(dá)到分割目的，而且此方法具有簡(jiǎn)單而且速度快的特點(diǎn)。
- 詳細(xì)介紹：
- 在社會(huì)信息化發(fā)展過(guò)程中，智能監(jiān)控以及單人體跟蹤系統(tǒng)也得到長(zhǎng)足的發(fā)展，并且有了一定的應(yīng)用。然而，多人體跟蹤系統(tǒng)研究一直是一個(gè)難點(diǎn)問(wèn)題，由于受陰影、光照以及人體之間的互遮擋影響，導(dǎo)致目標(biāo)跟蹤錯(cuò)誤或丟失。本文主要關(guān)注視頻監(jiān)控中互相遮擋人體的跟蹤問(wèn)題，完成的主要工作如下： (1)對(duì)于運(yùn)動(dòng)的檢測(cè),為了避免光照和陰影給前景檢測(cè)帶來(lái)的影響，提出了背景模型和背景邊界模型相結(jié)合的前景檢測(cè)模型。該模型能夠較完整的獲取前景目標(biāo)，能夠有效避免光照和陰影給前景檢測(cè)帶來(lái)的影響。 (2) 視頻監(jiān)控中，擁擠人群的相互遮擋給人體分割和跟蹤帶來(lái)很大困難。為了解決該問(wèn)題，提出了人體模型和人體邊緣曲線相結(jié)合的人體分割方法。此方法依據(jù)人體邊界像素點(diǎn)繪制人體邊界曲線，通過(guò)對(duì)邊界曲線的處理來(lái)確定人體頭部的寬度，最后根據(jù)人體模型來(lái)確定人體各部分的比例。由于本文提出的分割方法是將對(duì)二維圖像的處理轉(zhuǎn)化為對(duì)一維曲線的處理，因此，此方法具有簡(jiǎn)單而且實(shí)時(shí)性好的優(yōu)點(diǎn)。 (3) 采用分層Dirichlet過(guò)程(HDP)與BP網(wǎng)絡(luò)相結(jié)合的人體跟蹤模型。本文提出的遮擋處理方法能夠有效的解決人體遮擋問(wèn)題，但也會(huì)造成人體特征值存在較大的缺損、畸變，而B(niǎo)P神經(jīng)網(wǎng)絡(luò)可處理一些環(huán)境信息十分復(fù)雜，推理規(guī)則不明確的問(wèn)題，允許樣本有較大的缺損、畸變，其學(xué)習(xí)和訓(xùn)練算法相對(duì)簡(jiǎn)單、速度快，因此本文采用BP神經(jīng)網(wǎng)絡(luò)作為人體跟蹤模型。本文跟蹤系統(tǒng)分為在線人體跟蹤和離線網(wǎng)絡(luò)學(xué)習(xí)兩個(gè)子系統(tǒng)。在線跟蹤過(guò)程中，用HDP對(duì)當(dāng)前幀中得到的人體特征向量與知識(shí)庫(kù)中人體特征數(shù)據(jù)進(jìn)行聚類來(lái)決策是否有新的人體行為模式產(chǎn)生，如果有則激活離線子系統(tǒng)來(lái)量化新的行為模式，并更新知識(shí)庫(kù)。隨著B(niǎo)P網(wǎng)絡(luò)不斷學(xué)習(xí)，知識(shí)庫(kù)越來(lái)越豐富，系統(tǒng)的跟蹤性能及適應(yīng)性不斷提高。通過(guò)在BP網(wǎng)絡(luò)學(xué)習(xí)過(guò)程中引入HDP，有效提高了BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)的自主性和效率。
作品圖片
作品專業(yè)信息
設(shè)計(jì)、發(fā)明的目的和基本思路、創(chuàng)新點(diǎn)、技術(shù)關(guān)鍵和主要技術(shù)指標(biāo)
- 本系統(tǒng)主要闡述了兩個(gè)主要方面：一方面提出了一種人體模型和人體邊界曲線相結(jié)合的人體分割方法，這種方法能夠有效的解決人體部分遮擋問(wèn)題；另一方面采用了一種基于特征值與方位信息相結(jié)合的人體跟蹤系統(tǒng)，通過(guò)特征值匹配與方位信息的判斷來(lái)對(duì)人體進(jìn)行跟蹤。BP神經(jīng)網(wǎng)絡(luò)數(shù)學(xué)跟蹤模型。
科學(xué)性、先進(jìn)性
- 在系統(tǒng)中，對(duì)于前景的檢測(cè)，我們采用背景邊界模型，此方法能夠減少光照變化、陰影等帶來(lái)的干擾。對(duì)于跟蹤算法，我們采用機(jī)器學(xué)習(xí)的辦法，利用BP神經(jīng)網(wǎng)絡(luò)作為跟蹤模型，BP神經(jīng)網(wǎng)絡(luò)通過(guò)提取人體特征數(shù)據(jù)來(lái)訓(xùn)練網(wǎng)絡(luò)，用學(xué)習(xí)后的BP網(wǎng)絡(luò)來(lái)對(duì)人體進(jìn)行跟蹤。
獲獎(jiǎng)情況及鑒定結(jié)果
- 已申請(qǐng)軟件著作權(quán)登記和專利。
作品所處階段
- 中試階段
技術(shù)轉(zhuǎn)讓方式
- 無(wú)
作品可展示的形式
- 實(shí)物或錄像
使用說(shuō)明,技術(shù)特點(diǎn)和優(yōu)勢(shì),適應(yīng)范圍,推廣前景的技術(shù)性說(shuō)明,市場(chǎng)分析,經(jīng)濟(jì)效益預(yù)測(cè)
- 計(jì)算機(jī)視覺(jué)是計(jì)算機(jī)科學(xué)和人工智能的一個(gè)重要分支。它研究的主要內(nèi)容是怎樣利用各種成像系統(tǒng)代替視覺(jué)器官來(lái)獲取信息，由計(jì)算機(jī)代替大腦完成對(duì)信息的處理和解釋，使計(jì)算機(jī)具有人一樣的視覺(jué)功能。利用計(jì)算機(jī)視覺(jué)系統(tǒng)，我們可以自動(dòng)檢測(cè)和跟蹤運(yùn)動(dòng)的對(duì)象，由于數(shù)碼相機(jī)的普及，這些方法都有很大的應(yīng)用范圍，包括機(jī)器人導(dǎo)航，醫(yī)療診斷用，視覺(jué)效果，多媒體檢索，和遙感。
同類課題研究水平概述
- 目標(biāo)跟蹤是視頻序列的研究，從序列圖像中監(jiān)測(cè)到運(yùn)動(dòng)的目標(biāo)，然后對(duì)指定的目標(biāo)進(jìn)行準(zhǔn)確且連續(xù)的跟蹤。一般來(lái)說(shuō)，運(yùn)動(dòng)目標(biāo)的分割與跟蹤就是通過(guò)計(jì)算有傳感器所獲得的圖像與包含的參考圖之間的相似性，確定目標(biāo)當(dāng)前的位置、運(yùn)動(dòng)參數(shù)、空間結(jié)構(gòu)，并給出相應(yīng)的跟蹤過(guò)程。因此，運(yùn)動(dòng)目標(biāo)的分割與跟蹤是以圖像處理技術(shù)為核心、有機(jī)融合了計(jì)算機(jī)技術(shù)、傳感器技術(shù)、模式識(shí)別、人工智能等多種理論和技術(shù)的新型的目標(biāo)分割跟蹤技術(shù)。它是圖像處理技術(shù)的直接應(yīng)用。在本段中我們主要概括分割和跟蹤的相關(guān)研究，由于在這一領(lǐng)域的文獻(xiàn)數(shù)量，這是我們無(wú)法提供一個(gè)全面的調(diào)查，但我們嘗試包括主要發(fā)展趨勢(shì)。
