开题报告-人体运动目标提取和跟踪.doc

长安大学毕业设计（论文）开题报告表课题名称人体运动目标提取和跟踪课题来源学生姓名（内容包括：课题的意义，国内外发展状况，本课题的研究内容、方法、手段及预期成果，任务完成的阶段安排及时间安排，完成任务所具备的条件因素等。）一: 课题的意义及研究的发展状况：人类对外界信息获取的来源中，视觉系统提供了很大一部分的信息，是人类感知和认识外界的重要工具。人类视觉系统在信息处理时是一个非常复杂的系统，但对外界信息的成像，识别，描述和理解上又是快速和准确的。虽然目前计算机视觉还不具备快速、灵敏的生物视觉，但随着近几十年来各学科和计算机科学技术的飞速发展，使计算机视觉的研究取得了很多成果并被广泛的应用到社会的各个方面上。其中，人体运动视频图像的特征提取，以及对运动趋势的跟踪越来越受到社会上学者们的关注。人体运动目标的特征提取和跟踪是视频图像中自动识别系统的两个重要组成部分，它们能从图像序列中检测出感兴趣的人体运动特征，并能确定人体的大小、位置和进行自动的跟踪运动趋势。美国的一个名叫DARRA的项目署开发了以卡内基梅隆大学为首，联合麻省理工学院等十几家高等院校研制的视频监控系统VSAM（Video Surveillance And Monitoring）,实现监控未来世界中的一些复杂场景。2003年，相似内容的高级研究计划和美国ARDA机构一起启动了VAC（EVideo Analysis and Content Extraction）项目。2005年，美国一所大学的实验室研发出了一个COCOA系统，目的是实现对无人机进行特征提取和运动跟踪。我国对视频图像的特征提取和运动跟踪技术目前水平不高。国内许多高校和研究所等单位，投入了很多精力来研究智能视觉监控技术。其中，中科院的研究成果在国内处于领头羊的地位。该研究机构丰硕的成果主要体现在对交通场景中的行为和事件的分析，以及对人类自身运动的模式识别。清华大学的视频监控和数字视频实验室主要研究和开发了远距离下对身份识别的系统。航空航天大学研发出了一个可以对生物进行微操作的机器人视觉系统。二：课题的研究内容，方法及手段： 本文在人体运动目标特征提取算法的研究上主要采用结合直方图图像增强技术的三帧差分法。三帧差分法能够避免传统帧差法双影和空洞的问题，直方图图像增强技术能够避免多帧差分法的目标分裂现象。首先利用直方图图像增强技术的分段线性调整对每帧图像的灰度进行调整，扩大人体目标灰度值，拉伸背景和噪声部分的灰度值。这样就可以突出感兴趣的人体目标抑制那些不感兴趣的噪声和背景像素点。Mean Shift算法对人体运动进行跟踪时带宽的固定问题，主要根据人体头部二值图像的特点和在每帧图像中的变化规律来自适应的调整。具体算法就是首先对头部的二值图像进行圆形形状的逼近；然后根据Hough变换检测出人体头部二值图像中呈现出的圆形半径的大小；最后计算出半径在随人体运动时变化的缩放比例，根据这一比例对带宽进行调节。三：主要难点及解决办法：针对传统帧差法在两帧图像间人体运动部分发生重叠时会产生“空洞”现象，提出了采用三帧差分法进行特征提取，但三帧差分法空洞问题解决的并不完美，提取后的人体二值图像的局部地方仍然存在空洞现象。针对上述问题，本章节提出了一种准确度高，实时高的特征提取算法：利用直方图图像增强技术对采集到的人体图像进行线性动态调整，把图像中背景和噪声部分的像素亮度变暗，人体目标部分的像素亮度变亮，突出人体运动目标，再采用三帧差分法进行特征提取，解决了提取时出现的“空洞”问题。 利用 Hough 变换计算出每一帧视频图像中人体头部的二值图像拟合后的圆形半径的大小，进而计算出半径变化比例，根据这个比例对 Mean Shift 算法在下一帧中的带宽进行缩放变化。这样当人体远离或者靠近摄像头时，Mean Shift算法的带宽也能够适当的做出相应的变换，解决了带宽固定的弊端给跟踪结果带来不好影响的问题。四：预期成果： 人体运动目标的特征提取与跟踪算法的研究分为两大部分，一部分是对人体运动目标的提取，一部分是对运动趋势的跟踪。在特征提取上需要考虑视频图像序列中背景变化和光照等噪声的影响，以及人体自身的运动变化情况对提取算法带来的限制。人体运动跟踪上要满足算法的实时性和准确度高的要求，确保跟踪的运动特征始终能捕获到。本文对特征提取和跟踪算法分别进行了改进，并取得了一定的研究成果。 五：任务完成的阶段安排及时间安排：3月 5号3月21号 查阅大量国内外最新研究文献，并写开题报告；3月21号4月1号 比较各种算法，在C+中调试算法；4月1 号4月8号 对改进的算法进行深度理解，记录算法调试的情况； 4月9号4月29号 对算法进行改进，在C+中得到理想结果；4月30号5月31号 根据设计结果写毕业论文；6月1号6月15号 对论文进行不断修改和更正。 指导教师意见及建议：指导教