实时跟踪系统中运动人体图像分割

在视频序列的人体运动分析中,实时分割出运动的人体,是研究的起始关键步骤。该文在简单的运用差图像算法进行人体运动检测的基础上,结合直方图自动阈值分割和数学形态学的算法来完成运动人体的精确分割。实验结果表明上述算法对噪声抑制和人体图像断裂处填充都是有效的,能够实时分割完成运动人体的视频图像。     

基于彩色视频图像的运动人体检测方法

在视频图像中进行运动人体检测是许多计算机视觉任务的基础而又关键的研究步骤.其目的在于将运动的人体从视频图像中检测出来,以便进行后续的的诸如智能监控中对人体进行跟踪及行为理解等工作.而彩色图像由于具有比灰度图像更多的视觉信息,受到了越来越多的重视.研究了一种直接在彩色环境中基于时空联合的运动人体检测算法,该算法将时域分割与空域分割相联合而得到具有精确边缘的运动人体,并且消除了运动人体的影子.时域分割采用一种基于RGB彩色图像的双阈值分割背景减除法.空域分割采用了基于RGB彩色空间的区域生长法.实验结果表明上述算法能够实时有效地从彩色图像序列中检测出运动人体,消除运动人体的影子,而且最终检测出来的运动人体是彩色的.     

基于运动分割和肤色判别的人体目标检测方法

针对静止摄像机近距离拍摄目标的情形,提出一种人体目标检测方法,主要包含两个步骤:在运动分割步骤中,利用长程和短程两次背景更新获取精确的背景图像,同时利用基于颜色空间的阴影判定方法消除阴影的干扰;在目标检测步骤中,将肤色检测与人体目标的几何比例经验值相结合,对运动目标进行判断.     

基于运动图像序列的异常行为检测*

针对公共重点区域的智能监视问题,研究了一种基于运动历史图像（motion history image,MHI）的行人异常行为检测方法。利用运动图像序列得到的MHI获取视频帧中运动目标的运动方向,由运动方向的变化分类确定人体运动模式和行为是否异常,同时给出相应的实验结果。结果表明,该方法实现简单,具有较好的实时性与鲁棒性,可以作为实时监控系统中异常行为检测的有效方法。     

一种具有良好完整性的运动检测与跟踪方法

描述一种具有良好完整性的对运动人体进行检测与跟踪的方法。该方法针对场景的特点对室内无人的背景图像进行单高斯建模,从而初步区分前景区域和背景区域,然后使用了自适应背景减除法得到初步分割出来的人体区域部分并且对背景进行更新,最后使用8领域的方法消除阴影区域,通过这种方法来减小阴影区域对于分割结果完整性和精确度的干扰和影响,从而得到比较精确和完整的运动人体图像,进而对提取出的运动人体进行跟踪。     

基于统计方法的视频序列运动人体检测

描述了一种运动人体检测的方法。首先利用多帧图象统计平均的方法得到背景模型,采用背景差法检测出运动目标,并实时地对背景模型更新,以适应光线变化和场景本身的变化;然后在HSV色度空间下检测消除阴影,得到准确的运动目标。最后用形态学方法减小噪声和背景扰动带来的影响。实验结果表明,这种方法简单高效、抗噪性强,能实现复杂背景下的运动目标检测。     

篮球视频中球员的分割与跟踪算法

分割与跟踪一直是视频图像处理的一个热门问题。针对篮球视频中激烈运动的球员队属和跟踪问题,实现了一个实时的球员分割与跟踪算法。首先,不同于一般的分割方法,采用基于两个级别（像素级和帧级）实时分割和背景更新的背景减除方法,实现了对球员的分割;接着,通过将球员与模板进行马式距离比较来辨识球员队属;然后,使用基于核的目标跟踪方法,实现了在激烈比赛中对球员的准确跟踪。实验结果表明,提出的算法能够很好地辨别各个球员的队属问题并在不完全遮挡的情况下跟踪多个球员,而且在球员形态变化较大时也能稳定地跟踪。     

带有阴影消除的室内运动人体的提取与跟踪

描述了一种带有阴影消除的对室内运动人体进行提取与跟踪的方法。该方法使用自适应背景减除法初步得到人体区域,在此基础上利用色度的不变性来消除阴影区域的影响,可以对提取出的比较精确的运动人体进行跟踪。     

基于图像序列期望特征的阈值分割方法*

针对单幅图像自适应阈值分割算法复杂度高、实时性不足的问题,提出了一种基于图像序列期望特征的阈值分割方法。以图像期望背景区域面积特征为例阐述了方法原理和实现流程。通过与传统(Ostu)算法对比,论述了方法在处理具有强一致性特征样本序列时所具有的易调试性、实时性优势。结合列车车厢钩尾螺栓图像特征提取实例进行定量分析,验证了方法的有效性。     

基于逆运动学的人体步态特征提取

近年来,人体运动分析成为了计算机视觉和图像处理技术中的一个最活跃的研究课题。其研究在虚拟现实、智能监视系统、高级用户接口、运动分析和基于模型的图像编码等方面具有广阔的应用前景。该文提出了一种基于逆运动学的方法来提取人体步态特征的运动分析方法,对于每个图像序列,先采用背景减除算法检测行人的运动轮廓,然后根据人体运动的特点,寻找每帧图像中人体踝关节的位置,通过得到的踝关节位置使用逆运动学的方法来预测其他关节点位置,通过实验发现,这种方法在提取步态特征中取得了很好的效果。     

基于支持向量机的复杂背景下的人体检测

常用的人体检测方法多是基于经验风险最小化原理的传统统计理论，其性能只有在样本趋于无穷大时才有理论上的保证，而在实际应用中，学习样本通常是有限的。针对传统统计理论在人体检测中存在的不足，提出了一种基于统计学习理论——支持向量机(SVM)的人体检测方法，利用彩色空间对背景进行自适应建模提取运动目标，然后使用训练好的SVM进行验证是否是人体。为了简化SVM分类器的设计及提高机器学习的效率，提出了一种星形向量表示法用于抽取目标的特征向量，并且用实验方法得到了这种表示法的最优表示。将SVM与ANN进行比较，并且对不同内积函数的SVM的性能也进行了比较。实验结果表明，SVM的性能要优于ANN，并且采用径向基函数的SVM性能最好。该方法鲁棒性强，正确率高，解决了复杂背景下运动人体实时检测的一些关键问题。     

基于差分图像分块的视频背景提取算法

为了降低背景提取算法的时间复杂度和空间复杂度,提出一种结合差分图像分块、背景减除和帧间差法的背景提取方法。对差分图像进行分块分类,提出了一种统计像素值的子块分类法,对不同类的块用不同的更新策略进行背景实时更新。该算法有效解决了背景更新过程中运动目标逗留、背景物体移入移出等问题的影响。实验结果表明该算法运算速度快、鲁棒性高、能准确地提取实时背景。     

Action-specific motion prior for efficient Bayesian 3D human body tracking

In this paper, we aim to reconstruct the 3D motion parameters of a human body model from the known 2D positions of a reduced set of joints in the image plane. Towards this end, an action-specific motion model is trained from a database of real motion-captured performances, and used within a particle filtering framework as a priori knowledge on human motion. First, our dynamic model guides the particles according to similar situations previously learnt. Then, the state space is constrained so only feasible human postures are accepted as valid solutions at each time step. As a result, we are able to track the 3D configuration of the full human body from several cycles of walking motion sequences using only the 2D positions of a very reduced set of joints from lateral or frontal viewpoints.     

C-V模型在红外视频火灾图像分割中的应用

针对大空间中红外视频火灾图像边缘模糊,不易准确分割问题,研究了一种基于背景差分和C-V模型的分割方法。通过背景差分得到运动图像;利用形态学处理得到完整的运动区域,并获得其外接矩形;以外接矩形作为C-V模型的初始轮廓曲线进行分割,得到封闭、完整的运动目标轮廓。该算法避免了对整幅图像分割,减少了运算量。通过实验仿真并与阈值分割算法比较,证明了该算法的准确性和有效性,有利于下一步火灾特征提取与识别。     

视频语义分析运动特征表征与抽取技术研究

视频运动特征蕴含丰富的语义信息,运动特征的简洁表征方式和高效抽取方法研究是视频语义分析的关键技术之一。针对视频语义分析的特点,将运动特征分为3类,分别对各类运动特征进行表征和抽取。相关抽取实验证明此方法可有效抽取语义分析所需的运动特征,同时在运动特征抽取的基础上实现了基于运动的视频语义分析原型系统。     

基于脊波运动检测的监控视频压缩方法

研究了一种基于运动检测的监控视频压缩方法,即先判断出相对于背景场景来说具有感兴趣运动变化发生的图像帧,再对判断出的图像帧进行低损失或无损失的压缩,剩余的图像帧进行高比率的压缩。为判断视频帧有无感兴趣运动变化发生,研究出基于新的多分辨率分析工具——脊波和背景减除法的混合方法,该方法能有效地定位出具有感兴趣运动变化发生的图像帧,并具有计算量较小、人工干预较少、受光照变化影响较小的优点。     

视频监控中人的运动检测方法研究与实现

为了提高视频监控的实时性、准确性和可靠性,引入运动目标检测非常必要,而在此基础上的人运动检测更是后续各种高级处理的基础。根据视频监控的特点,采用一种基于自适应背景图像估计与当前多帧图像的混合差的算法来实现快速精确地检测和提取运动目标区域,并充分利用视频图像的时域连续特性和人脸肤色信息,实现快速可靠的人脸定位,从而准确定位人运动区域。实验表明,该算法对人的运动检测在光线、姿势变化等情况下具有良好的鲁棒性,适于实时监控系统的应用。