（计算机软件与理论专业论文）复杂交通环境下的运动人体检测研究.pdf

m o v i n gh u m a n d e t e c t i o nr e s e a r c hu n d e r c o m p l e xt r a f f i c e n v i r o m e n t s i - e nj i n g b e ( c h i n aw e s tn o r m a lu n i v e r s i t y ) 2 0 0 8 at h e s i ss u b m i t t e di np a r t i a ls a t i s f a c t i o no ft h e r e q u i r e m e n t sf o rt h ed e g r e eo f m a s t e ro f e n g i n e e r i n g i n c o m p u t e rs o f t w a r ea n dt h e o r y i n c h a n g s h au n i v e r s i t yo fs c i e n c e & t e c h n o l o g y s u p e r v i s o r p r o f e s s o rj i a n gj i a f u a p r i l ，2 0 1 1 长沙理工大学 ， 学位论文原创性声明 本人郑重声明：所呈交的论文是本人在导师的指导下独立进行研究所取得的 研究成果。除了文中特别加以标注引用的内容外，本论文不包含任何其他个人或 集体已经发表或撰写的成果作品。对本文的研究做出重要贡献的个人和集体，均 已在文中以明确方式标明。本人完全意识到本声明的法律后果由本人承担。 作者签名：午 日期：2 0 11 年专月弩日 学位论文版权使用授权书 本学位论文作者完全了解学校有关保留、使用学位论文的规定，同意学校保 留并向国家有关部门或机构送交论文的复印件和电子版，允许论文被查阅和借 阅。本人授权长沙理工大学可以将本学位论文的全部或部分内容编入有关数据库 进行检索，可以采用影印、缩印或扫描等复制手段保存和汇编本学位论文。 本学位论文属于 1 、保密口，在年解密后适用本授权书。 2 、不保密团。 ( 请在以上相应方框内打“”) 作者签名： 导师签名： 孥苛 露蒯 日期：2 0 1 1 年占月弓日 日期2 0 1 1 年n 7 日 ia辩轧彭矿ii 摘要 运动人体检测是视觉人体运动分析中的关键技术，是进行各种后续 处理如运动人体识别、运动人体跟踪的前提和基础，在高级人机交互、 视频会议、智能视频监控等方面具有广泛的应用前景和潜在价值，成为 近年来国内外众多学者研究的热点问题。在其部分应用领域中，如智能 交通客流检测等，为了防止人体目标的遮挡和覆盖情况，大多采用垂直 向下的俯拍。在这类俯拍视频图像中人体的头部信息相对完整，被广泛 地作为人体的局部特征用于人体检测。本文紧密围绕复杂交通环境下俯 视图像中运动人体检测问题，首先提出了基于改进的脉冲耦合神经网络 模型的视频滤波预处理方法，然后以不同分辨率下的视频序列为研究对 象，分别提出了适用于较低分辨率的基于灰度特征的运动人体头部区域 检测方法和适用于较高分辨率的基于轮廓特征的运动人体头部检测方 法。 在视频滤波预处理方面，针对脉冲耦合神经网络简化模型在图像滤 波中存在的问题，运用反证法证明其对椒噪声检测失效，采用分而治之 法对其进行改进，利用改进模型检测图像的污染程度、确定噪声的具体 位置、自适应地确定中值滤波窗口的大小，实现视频图像滤波预处理。 实验结果表明，此方法对不同密度的椒盐噪声都具有较好的滤波性能， 提高了后续运动人体检测的检测质量。 在运动人体检测方面，针对复杂交通环境下俯视图像中运动人体检 测存在的误检漏检问题，以不同分辨率下的视频序列为研究对象，分别 提出了适用于较低分辨率的基于灰度特征的运动人体头部区域检测方法 和适用于较高分辨率的基于轮廓特征的运动人体头部检测方法。前者根 据人体头部的灰度特征，对双阈值法进行改进，利用改进后的双阈值法 检测目标所在区域，采用区域生长法分割出目标，使得此方法在出现慢 速运动的人体头部目标以及背景中出现光照变化和异物干扰等情况下均 具有较好的检测能力。后者根据人体头部目标的轮廓特征，用分块对称 差分法对背景进行实时更新，结合对称差分法和背景消减法提取运动目 标，用基于梯度的随机h o u g h 快速圆检测方法对运动人体头部进行检测， 较好地解决了出现强烈的光照变化、非人体头部目标以及秃顶、带帽或 衣服颜色与头顶颜色近似的复杂人体头部目标等情况时的运动人体头部 ： 检测问题。 本文得到湖南省自然科学基金项目资助( 项目编号：1 0jj2 0 5 0 ) 。 关键词：复杂交通环境；俯视图像；运动人体检测；头部检测；滤波预 处理 u a b s t r a c t m o v i n gh u m a nd e t e c t i o ni sa ni m p o r t a n tp a r to ft h ev i s u a l a n a l y s i so f h u m a nm o v e m e n t i th a s ag o o d p r o s p e c to fa p p l i c a t i o na n d p o t e n t i a l e c o n o m l cv a l u ei ni n t e r a c t i o nb e t w e e nm a na n dm a c h i n e ，v i d e o c o n f e r e n c e i n t e l l i g e n tv i d e om o n i t o r i n ga n ds oo n i ns o m ea p p l i c a t i o nf i e l d s s u c h a s i n t e l l i g e n tt r a f f i cp a s s e n g e rf l o wd e t e c t i o n ，m o s to fi m a g e sa r ec a p t u r e d v e r t i c a l l yi no r d e rt oa v o i do c c l u s i o na n dc o v e ra m o n gt h eh u m a nb o d i e sa s m u c ha s p o s s i b l e i nt h i sk i n d o fv e r t i c a lv i e w i m a g e ，t h eh u m a nh e a d i n f o r m a t i o nl s r e l a t i v e l yc o m p l e t ea n di sw i d e l yu s e da st h el o c a lf e a t u r e f o rh u m a nd e t e c t i o n c e n t e r i n g a b o u tt h ep r o b l e mo ft h e m o v i n gh u m a n d e t e t i o ni nt h ev e r t i c a lv i e wi m a g eu n d e rac o m p l e xt r a f f i c e n v i r o m e n t a t f i r s t ，am e t h o do fv i d e of i l t e r i n gp r e p r o c e s s i n gb a s e do i lm o d i f i e ds i m p l i f i e d p u l s e c o u p l e dn e u r a ln e t w o r ki s p r o p o s e d ，t h e n ，am e t h o do fd e t e c t i n g m o v i n gh u m a nh e a dr e g i o nb a s e dt h eg r a yf e a t u r ew h i c hi s g o o df o rt h e l o w e rr e s o l u t i o nv i d e oa n dam e t h o do fd e t e c i o nm o v i n gh u m a nh e a db a s e d t h ec o n t o u rf e a t u r ew h i c hi s g o o df o rt h eh i g h e rr e s o l u t i o nv i d e oa r e s e p a r a t e l yp r o p o s e d i n r e s p e c to f t h ev i d e o f i l t e r i n gp r e p r o c e s s i n g ，an e wm e t h o di s p r o p o s e dt os l o v et h ep r o b l e mo ft h e s i m p l i f i e dp u l s ec o u p l e dn e u r a l n e t w o r km o d e li ni m a g ef i l t e r i n g a tf i r s t ，t h e s i m p l i f i e dm o d e li sp r o v e dt o f a i lt od e t e c tp e p p e rn o i s eu s i n gr e d u c t i oa da b s u r d u m ，t h e n ，t h e m o d e li s i m p r o v e db yu s i n gt h em e t h o do fd i v i d ea n d r u l e ，f i n a l l y ，t h ea d a p t i v e m e d i a n f i l t e r a l g o r i t h m i s a c h e i e v e d b y d e t e c t i n g t h e p 0 1 1 u t i o n l e v e l ，a s c e r t a i n i n gt h es p e c i f i cl o c a t i o n so fn o i s ep o i n t sa n dd e t e r m i n i n gt h e s i z eo ft h em e d i a nf i l t e r i n gw i n d o wa d a p t i v e l y e x p e r i m e n t a lr e s u l t s s h o w t h a tt h i sm e t h o dh a sab e t t e rp e r f o r m a n c eo nd i f f e r e n tn o i s e d e n s i t i e sa n d i m p r o v e st h ed e t e c t i o nq u a l i t yo ft h e f o l l o w i n gm o v i n gh u m a nd e t e c t i o n i n r e s p e c to ft h em o v i n gh u m a nd e t e c t i o n ，am e t h o do fd e t e c t i n g m o v i n gh u m a nh e a dr e g i o nb a s e dt h eg r a yf e a t u r ew h i c hi s g o o df o rt h e l o w e rr e s o l u t i o nv i d e oa n dam e t h o do fd e t e c i o nm o v i n gh u m a nh e a db a s e d t h ec o n t o u rf e a t u r ew h i c hi s g o o df o rt h eh i g h e rr e s o l u t i o nv i d e oa r e s e p a r a t e l yp r o p o s e da c c o r d i n gt ot h ef a l s ea n dm i s s e dd e t e c t i o n s i nt h e i i i v e r t i c a lv i e wi m a g eu n d e r ac o m p l e xt r a f f i c e n v i r o m e n t i nt h e f o r m e r m e t h o d ，f i r s t ，t h ed u a l t h r e s h o l dm e t h o di s i m p r o v e d ，t h e n ，t h em o v i n gr e g i o n o ft h eh u n a n h e a di sd e t e c t e du s i n g t h em o d i f i e d d u a l - t h r e s h o l d m e t h o d ，f i n a l l y ，t h e h u n a nh e a d i s s e g m e n t e du s i n g t h er e 9 1 0 ng r o w i n g m e t h o d t h i sm e t h o dh a sab e t t e r d e t e c t i o nw h e nt h eh u m a nh e a dm o v e s s l o w l y ，t h eb a c k g r o u n d i l l u m i n a t i o nc h a n g e s a n d t h ef o r e l g nb o d y i n t e r f e r e n c e s i nt h el a t t e rm e t h o d ，f i r s t ，t h eb a c k g r o u n d i su p d a t e db yb l o c k s v m m e t r i cd i f f e r e n c e ，t h e n ，t h em o v i n go b j e c t sa r ee x t r a c t e db yc o m b i n a t i n g s v m m e t r i cd i f f e r e n c ea n db a c k g r o u n ds u b t r a c t i o n ，f i n a l l y ，t h eh u m a nh e a d c o n t o u r sa r ed e t e c t e du s i n gt h e r a n d o m i z e dh o u g ht r a n s f o r m b a s e do n g r a d i e n t t h i sm e t h o ds o l v e s t h ep r o b l e m sw h e nt h ei l l u m i n a t i o nc h a n g e s s t r o n g l ya n dt h en o n - h u m a nh e a d so rt h ec o m p l e xh u m a n h e a d sa p p e a r s t h e s et h e s i s w o r k sg e ta i d f r o mh u n a nn a t u r a l s c i e n c ef u n d p r o j u e c t ( n o ：10 j j 2 0 5 0 ) k e yw 。r d s ：c 。m p l e x t r a f f i ce n v i t o m e n t ；v e r f l e a i v i e wi m a g e ；m 。v i n g h u m a nd e t e c t i o n ；h e a dd e t e c t i o n ；f i l t e r i n gp r e p r o c e s s i n g i v 、 目录 摘要i a b s t r a c t iii 第_ 章绪论 1 1 研究的背景和意义1 1 2 运动人体检测的研究现状一3 1 2 1 基于像素强度的方法3 1 2 2 基于运动变化的方法。5 1 2 3 基于特征的方法6 1 3 研究的主要内容及创新点。6 1 3 1 主要内容6 1 3 2 创新点7 1 4 论文结构7 第二章复杂交通环境下的视频滤波预处理方法 2 1 弓i 言9 2 2 脉冲耦合神经网络简化模型的原理及应用9 2 2 1 脉冲耦合神经网络简化模型原理9 2 2 2 脉冲耦合神经网络简化模型应用1 0 2 3 改进的脉冲耦合神经网络简化模型。1 1 2 3 1脉冲耦合神经网络的简化模型在图像滤波中存在的问题1 1 2 3 2 改进的脉冲耦合神经网络简化模型1 1 2 4 基于改进简化脉冲耦合神经网络模型的滤波预处理方法1 4 2 4 1 噪声检测的准确性分析1 4 2 4 2 窗口大小的自适应确定1 4 2 4 3 基于改进简化脉冲耦合神经网络模型的滤波预处理方法。1 5 2 5 实验结果与分析1 5 2 6 本章小结1 8 第三章复杂交通环境下的基于灰度特征的运动人体头部区域检测方法 3 1 引言。1 9 3 2 特征提取1 9 3 3 基于灰度特征的双阈值法2 0 3 3 1 双阈值法2 0 3 3 2 基于灰度特征的双阈值法2 0 3 4 基于灰度特征的区域生长法。2 1 3 4 1区域生长法2 l 3 4 2 基于灰度特征的区域生长法2 l 3 5 基于灰度特征的运动人体头部区域检测方法2 2 3 6 实验结果与分析2 3 3 6 1 检测过程分析2 3 3 6 2 检测结果分析2 5 3 6 3 检测性能分析2 5 3 7 本章小结2 6 第四章复杂交通环境下的基于轮廓特征的运动人体头部检测方法 4 1 引言2 7 4 2 背景获取与更新2 7 4 3 运动目标提取。2 8 4 4 运动人体头部检测2 9 4 5 基于轮廓特征的运动人体头部检测算法3 0 4 6 实验结果与分析3l 4 7 本章小结一3 3 第五章复杂交通环境下的运动人体检测系统 5 1 引言3 4 5 2 系统框架3 4 5 2 1 系统运行环境3 4 5 2 2 系统构成3 5 5 3 系统模块3 5 5 3 1 视频采集模块3 5 5 3 2 视频转换模块3 6 5 3 3滤波预处理模块。3 6 5 3 4 运动人体检测模块3 6 5 4 实验结果及分析- 3 7 第六章总结与展望 6 1 本文的工作4 1 6 2 进一步的工作4 2 参考文献4 3 t 第一章绪论 视觉人体运动分析n 1 是近年来计算机视觉领域备受关注的前沿方 向，它从包含人体的视频图像序列中检测、识别、跟踪人体以获取人体 的运动参数，并根据人体的运动参数进行理解和描述。运动人体检测是 视觉人体运动分析中的关键技术，是进行各种后续处理如人体识别、人 体跟踪的基础和前提，在视频会议、高级人机交互、智能视频监控等方 面具有广泛的应用前景和潜在价值。 在运动人体检测技术的部分应用领域中，如智能交通客流检测等， 为了防止人体目标的遮挡和覆盖情况，大多采用垂直向下的俯拍。在这 类俯拍视频图像中人体的头部信息相对完整，被广泛地作为人体的局部 特征用于人体检测。由于实际交通监控环境复杂，如视频分辨率不同、 背景光照突变、非人体出现、人体运动缓慢、人体目标复杂等，运动人 体的有效检测受到影响。因此，复杂交通环境下的运动人体检测具有挑 战性的问题在于：处理视频分辨率，如分辨率较低的视频，运动人体的 灰度特征比其他特征易于提取，而分辨率较高的视频，运动人体的轮廓 特征比其他特征检测准确率更高；处理监控背景，如光照条件变化发生 突变；处理异物干扰，如监控环境中不但有感兴趣的人体目标，而且有 其它非人体的运动；处理复杂人体，如人体运动缓慢或出现秃顶、带帽 或衣服颜色与头顶颜色近似的人体目标等。 1 1 研究的背景和意义 视觉人体运动分析是指检测、识别并跟踪视频中的运动人体，从而 理解和描述人体行为，属于图像处理及图像分析范畴。其研究涉及多个 技术领域，包括计算机视觉、模式识别、图像处理、人体运动学、计算 机图形学、机器学习以及人工智能等，是一个多学科交叉的热点研究方 向。其目的是在于将更多的智能嵌入系统中，让计算机学习人类操作者 所掌握的经验和知识，能够自动地识别出运动人体行为，或是自动检测 运动人体的异常事件，从而能够减轻工作人员的压力和负担，在视频会 议、高级人机交互、智能视频监控等方面有着广泛的应用前景。 智能交通监控系统是一个新兴的视觉人体运动分析的应用方向，与 传统的交通监控系统相比，智能交通监控系统具有其特有的智能性，它 不仅用摄像监控系统代替人眼监控视频，而且用计算机协助甚至代替共 工作人员完成监控任务，从而减轻其工作负担。智能交通监控系统主要 应用于对乘客流量或乘客行为要求比较敏感的场合，如公交系统、长途 客运系统等。目前，在这些对乘客流量或乘客行为要求比较敏感的场合 已普遍安装监控系统，但并未普遍地实现智能交通监控。当异常情况( 如 偷盗事件、超载事件、暴力事件、中途搭客事件等) 发生后，为了寻找异 常事件，通常需要工作人员人工查询交通监控视频，而这往往已经为时 已晚。理想的智能交通监控系统不但能实现连续没有间断的实时可靠监 控，而且能自动地分析和理解摄像机所捕获的场景以及事件，当异常的 事件发生时，系统能及时准确地给出告警，从而及时避免发生异常事件。 复杂交通环境下的运动人体检测是指从监控视频序列图像中将运动 人体从背景中检测出来的过程，是进行各种后续处理如人体识别、人体 跟踪的基础和前提，是智能交通监控系统中的关键技术。检测目标即可 以是包含头部、躯干和四肢在内的完整人体，也可以是人脸、头部、手 臂、腿部等小尺度的局部人体。在智能交通监控系统中，为了防止人体 目标的相互遮挡和覆盖情况，大多采用垂直向下的俯拍对运动人体进行 有效检测。在这类俯拍视频图像中人体的头部信息相对完整，被广泛地 作为人体的局部特征用于人体检测，运动人体检测则转换为运动人。体头 部检测。但实际的交通监控环境比较复杂，存在视频分辨率不同、背景 光照突变、非人体出现、人体运动缓慢、人体目标复杂等情况，使得运 动人体的有效检测受到影响。因此，复杂交通环境下的运动人体检测具 有挑战性的问题主要在于以下几点： ( 1 ) 处理视频分辨率。由于视频监控时使用的摄像头分辨率不同， 采集到的视频分辨率也会不同。分辨率不同的视频，运动人体提取的局 部特征不同。分辨率较低的视频，运动人体的灰度特征比其他特征易于 2 提取。分辨率较高的视频，则运动人体的轮廓特征比其他特征检测准确 率更高。 ( 2 ) 处理监控背景。智能交通监控系统运行于车内，而车内的监控 背景复杂多变。首先，监控背景光照变化复杂，如晴朗天气光照较强、 ： 阴雨天气光照较弱、夜间行驶光照会发生短时间内的突变等；再则，监 控设备干扰情况复杂，如摄像头的震动引起图像颤动、设备图像解码引 起噪声污染等。 ( 3 ) 处理异物干扰。实际的交通环境中不但有感兴趣的人体运动， 而且还有其它非人体的运动。首先，车辆在运行过程中常受周围物体的 干扰，如正在运行的其他车辆、车道两旁的建筑物或树木等；再则，乘 客上下车时经常携带各式各样的行李物品，如出现与人体头部颜色或轮 廓相似的行李时将会增大运动人体的检测难度。 ( 4 ) 处理复杂人体。由于智能交通监控系统的检测对象是乘客，因 此人体的运动行为和外在特征复杂。首先，运动行为复杂，存在人体运 动缓慢或人体运动迅速等情况；再则，外在特征复杂，存在出现秃顶、 带帽或衣服颜色与头部颜色近似的人体目标等情况。 因此，研究复杂交通环境下特别是视频分辨率不同、监控场景突变+ 异物干扰、出现复杂人体等情况的运动人体有效检测具有重要的意义。 1 2 运动人体检测的研究现状 运动人体检测常用的方法可分为三类：基于像素强度的方法、基于 运动变化的方法、基于特征的方法。 1 2 1 基于像素强度的方法 基于像素强度的方法主要有帧间差分法心q 1 和背景消减法“q3 ，由于 具有容易实现、速度快等特点，因此在视频监控中应用广泛。 1 、帧间差分法 3 帧间差分法是基于在含有运动目标的序列图像中相邻两帧图像的运 动目标之间具有强相关性而提出的检测方法。其基本思想是利用像素灰 度的相邻两帧或多帧间的差分并阈值化来提取图像中的前景区域，即将 3 相邻的两帧或者多帧图像中对应像素点的灰度相减，在场景灰度变化不 大的情况下，如果对应像素点灰度之差小于给定的阈值，则认为此处的 背景是静止不变的，如果图像的某处灰度之差大于给定的阈值，则认为 灰度变化是由于图像中运动目标引起，通过将这些特定的区域标记下来， 并利用这些标记下来的像素区域，便可以得到目标在图像中的运动位置。 这种方法的优点是实现简单，易于操作，只对运动的物体敏感，并且由 于相邻的两帧或者多帧的间隔时间较短，从而检测到的运动目标受光线 影响较小。 但是帧间差分法也存在难以避免的漏检误检问题。一是由于检测相 邻两帧的对应像素的灰度变化信息时经常存在较多的伪目标点，从而使 得最后检测出的运动目标比实际的目标大；二是由于相邻两帧时间间隔 较短，较难检测出运动目标的重叠部分，从而使得最后检测出来的运动 目标比实际的目标小。许多学者对存在的不同问题提出了相应的改进， 如文献 7 运用帧差法和图像显著图算法模拟人眼视觉系统对运动人体 注视点的形成过程，并通过联合显著区域的划定自动检测形成相应的运 动人体感兴趣区域；文献 8 结合背景差与帧间差方法，给出了适合在室 内环境下基于手机平台监控报警的快速运动人体检测算法，能有效探测 ，到人体目标，并能应对光线突变情况；文献 9 在分析相邻帧间的亮度变 化基础上，提出了基于三阶中心矩统计分布的计算背景点阈值方法，给 出了抗噪声干扰的背景更新模型，最后综合利用背景消减法和时间差分 法对运动对象进行检测，并通过使用形态学的腐蚀与扩张处理提高了检 测精度，使得算法速度快、抗噪声能力强，能够检测出被遮挡的目标。 2 、背景消减法 背景消减法是目前运动目标检测中最常用的方法之一，是利用视频 序列图像中当前图像与背景图像的相差结果进行阈值化的方法来实现运 动目标检测的一种技术。它将当前帧图像与事先存储的：背景图像进行差 分，如果得到的差值小于给定阈值，则认为该像素点为背景像素点，此 处未出现运动目标，如果得到的差值大于给定阈值，则认为该像素点为 _ - 前景像素点，此处出现运动目标，并且相减结果直接给出运动目标的位 置、形状、大小等相关信息。背景消减法一般能够提供较为完全的特征 数据，而且执行速度快，能满足实时系统的要求。因此，在静态背景下 背景消减法对于运动目标检测，出现运动目标内部的空洞现象较少，检 测效果通常优于帧间差分法，但对于场景动态变化，如光照和异物干扰 l 等特别敏感。 为了减少场景动态变化对于运动目标分割产生的影响，建立实时可 靠的背景模型是当前背景消减法的关键问题。目前最常用的背景建立模 型有基于统计的背景模型、基于变换的背景模型以及基于高斯分布的背 景模型等。如文献 10 将混合高斯模型和帧间差分相融合，在自适应混 合高斯背景模型基础上，为每个像素构建混合高斯背景模型，通过融入 帧间差分把每帧中的图像区分为背景区域、背景显露区域和运动物体区 域，物体运动区不再构建新的高斯分布加入到混合高斯分布模型中，减 弱了慢速运动物体对背景的影响，能迅速响应实际场景的变化；文献 儿 利用离散余弦变换系数( 包括a c 系数) 建立背景模型，通过更新离散余 弦变换系数适应背景变化，首先利用离散余弦变换域识别前景目标完全 或部分所在的块区域，然后在空间域中进一步识别这些前景目标块中的 像素，提高了检测速度，并且能够应用于压缩视频数据；文献 12 将适 芝 用于长时间光照变化的基于混合高斯混合模型的像素背景模型和适用于 短时间光照变化的基于局部二值模式的时空背景模型这两种不同类型的 背景模型组合起来适应光照变化。 1 2 2 基于运动变化的方法 光流法n 3 1 是基于运动变化的主要方法之二。光流是一种瞬时速度场， 是图像中每个像素点的运动速度分布，即向量场，每一个向量表示空间 中的一个点在图像中位置的瞬间运动变化。光流法通过采用运动目标随 时间变化的光流场特性来有效地提取运动目标。光流法的基本思想是通 过利用运动目标在序列图像中随时间变化的位置的特性，通过计算两帧 间对应像素点的位移提取运动目标的运动信息。如文献 14 通过计算像 素的位移向量光流场来初始化基于轮廓特征的目标跟踪算法以提取从而 跟踪运动目标。光流法即使在摄像头运动的情况下也能较好检测出独立 运动目标。然而，光流的缺点是其计算复杂，并且抗噪性能不强，没有 特殊的硬件设备装置较难应用于实时的运动目标检测。 1 2 3 基于特征的方法 基于特征的方法根据人体形状、大小、颜色、各部分之间的比例关 系等先验知识构造规则，在输入图像中检测运动目标特征，之后依据预 先定义的规则对目标特征进行组合，最后用定性或定量的方法判断特征 的组合是否对应于人体。其关键在于选取适合的人体特征，根据选取特 征的特性检测人体，通常选取的特征包括躯干特征、头部特征等局部特 征。如文献 15 通过分析比较提出了一种行人局部特征的选取方法，即 选取行人的三分之二全身样本作为运动人体检测的局部特征，然后用此 特征训练a d a b o ost 分类器，并运用模板匹配的方法辅助检测，提出了基 于局部特征的a d a b o ost 级联分类器和模板匹配相结合的行人检测方法， 提高检测效率；文献 16 将k o b il e vi 和y a ir w eiss 提出的边缘方向直 方图特征和传统的a d a b o o s t 算法两者有机地结合起来，首先对原先只适 用于较为简单的人脸检测的边缘方向直方图特征进行改进，然后通过调 整样本权值改进a d a b o os t 算法，提出一种基于改进的边缘方向直方图特 征的行人检测算法，进一步提高行人检测的精度和速度。 1 3 研究的主要内容及创新点 1 3 1 主要内容 本文的主要内容是研究如何从复杂的交通监控视频中检测运动人体 目标，以服务于对人进行监控的视频系统中。文中首先考虑到实际的视 频信号由于视频传输过程中受到图像传感器、信道传输、解码处理等影 响，会产生不同程度的噪声污染，因此采用一种基于改进的脉冲耦合神 经网络的自适应中值滤波方法，为了保证后续图像处理的质量。 在运动人体目标检测方法上从基于俯视视频中人体运动的头部特征 入手，提出了两种适用于不同分辨率的检测方法。其一是适用于分辨率 较低的基于灰度特征的双阈值法与区域生长法结合的人体头部目标区域 自动检测方法。双阈值法能较好地检测出目标所在区域，区域生长法能 6 较完整地分割出整体目标。充分利用二者的优点，该方法在出现慢速运 动的人体头部目标以及背景中出现光照变化和异物干扰等情况下均具有 较好的检测能力。其二是适用于分辨率较高的基于轮廓特征的运动人体 头部检测方法，较好地解决了出现强烈的光照变化、非人体头部目标以 及秃顶、带帽或衣服颜色与头顶颜色近似的复杂人体头部目标等情况时 的运动人体头部检测问题，保证了运动人体头部检测的准确性。 1 3 2 创新点 ( 1 ) 对传统的用于图像处理的脉冲耦合神经网络简化模型进行了改 进，并在此基础上，检测图像的污染程度、确定噪声的具体位置、自适 应地确定中值滤波窗口的大小，从而实现对图像的自适应中值滤波。此 方法较好地提高了噪声检测的准确性、图像滤波的保真性，并对不同密 度的椒盐噪声都具有较好的滤波性能。 ( 2 ) 双阈值法能较好地检测出目标所在区域，区域生长法能较完整 地分割出整体目标。第三章提出一种复杂交通环境下的适用于分辨率较 低的基于灰度特征的双阈值法与区域生长法结合的人体头部目标区域自 动检测方法，充分利用二者的优点，该方法在出现慢速运动的人体头部 目标以及背景中出现光照变化和异物干扰等情况下均具有较好的检测能 力。 ( 3 ) 针对复杂交通环境下运动人体头部检测存在的漏检误检问题， 第四章提出一种复杂交通环境下的适用于分辨率较高的基于轮廓特征的 运动人体头部检测方法，较好地解决了出现强烈的光照变化、非人体头 部目标以及秃顶、带帽或衣服颜色与头顶颜色近似的复杂人体头部目标 等情况时的运动人体头部检测问题，保证了运动人体头部检测的准确性。 1 4 论文结构 。 本论文共由六章组成，第一章对本文立题的背景及意义进行说明， 并介绍国内外研究现状及主要方法。第二章提出了一种复杂交通环境下 的视频滤波预处理方法，针对脉冲耦合神经网络简化模型在图像滤波中 存在的问题，首先运用反证法证明p c n n 简化模型在图像椒盐噪声检测时 7 对低亮度的椒噪声检测失效，然后采用分而治之的办法对p c n n 简化模型 进行了改进，得到一种改进的脉冲耦合神经网络简化模型，最后利用改 进的p c n n 简化模型检测图像的污染程度、确定噪声的具体位置、自适应 地确定中值滤波窗口的大小，实现图像的自适应中值滤波。第三章提出 一种复杂交通环境下的基于灰度特征的运动人体头部区域检测方法，该 方法通过结合基于灰度特征的双阈值法与区域生长法，使得在出现慢速 运动的人体头部目标以及背景中出现光照变化和异物干扰等情况下均具 有较好的检测能力，取得了较好的检测效果。第四章提出了一种复杂交 通环境下的基于轮廓特征的运动人体头部检测方法，较好地解决了出现 强烈的光照变化、非人体头部目标以及秃顶、带帽或衣服颜色与头顶颜 色近似的复杂人体头部目标等情况时的运动人体头部检测问题，保证了 运动人体头部检测的准确性。第五章建立了面向复杂交通环境的运动人 体检测系统，具体讨论了实验系统的总体框架、系统构成、模块功能， 并显示了实验结果。第六章为总结与展望，对上述方法进行总结和对下 一步工作的展望与安排。 第二章复杂交通环境下的视频滤波预处理方法 2 1 引言 在实际的交通监控环境应用中，视频图像常伴有噪声或者被噪声完 全浸没。视频图像中的噪声主要来自于图像获取过程的数字化处理。图 像传感器的工作状态常受各种因素的影响，例如环境条件，传感元件质 量等。在图像传输过程中，如果图像传输信道受到干扰，也会受到噪声 污染，常见的噪声有椒盐噪声、脉冲噪声和高斯噪声等。其中，椒盐噪 声在图像噪声中最为常见。 针对椒盐噪声的消除问题，人们提出了很多滤波方法。中值滤波n 是最早提出的椒盐噪声图像滤波算法，其最大缺点是对所有像素采用统 一处理，在滤除噪声的同时也造成了图像的模糊。因此，一些学者提出 了许多中值滤波器的改进方法，如加权中值滤波n 卜1 9 1 、开关中值滤波 心卜2 、多窗口中值滤波凹纠、自适应中值滤波。2 4 1 等。尽管这些方法对在 中值滤波器的性能上做出来了重要的改善，但在实际使用中仍然需要进 一步改进。定向加权中值滤波和中心加权中值滤波通过加权，虽降低了 细节的损失，但同时去噪性能也下降了；模糊开关中值滤波在噪声密度 较低时去噪效果比较好，但随着图像信噪比的降低其滤波性能会逐渐接 近标准的中值滤波；递进开关中值滤波算法由于其循环操作，不仅消耗 较长的执行时间，而且执行时需要经验参数；极值中值滤波在一定程度 上可以减少滤波误差的累计传播，但图像中的细节部分仍然得不到很好 的保护；相比而言，自适应中值滤波具有较好的滤波性能，但是随着噪 声污染程度增加，其滤波时间迅速增长，同时，其滤波性能也下降迅速。 2 2 脉冲耦合神经网络简化模型的原理及应用 2 2 1 脉冲耦合神经网络简化模型原理 l 脉冲耦合神经网络( p c n n ) 模型最初是由e c k h o r n 根据猫的大脑视 觉皮层同步脉冲发放现象所提出的。从图像处理的角度来看，原始模型 存在一些实际应用上的局限性，如神经元相互之间存在大量的反馈连接， 漏电积分器的参数难以设置等。为了克服这些缺点，使其更好地应用于 9 图像处理，r a n g a n a th 等对该模型做了进一步修改，去掉了输入域的漏电 积分器，得其简化模型，如图2 1 所示心引。 ， 阈值函数 阶跃函数 图2 1p c n n 的简化模型 在此模型中，一个神经元由三个功能单元构成：输入域、连接输入 域和脉冲发生器。其数学模型如下： m = 毛 ( 2 1 ) 厶m = 巧 n - 1 1 ( 2 2 ) 【刀】_ 铆栉】( 1 + 卢乞e n d ( 2 3 ) 巳【挖】= p 嘞巳研一l 】+ 匕印一1 】 ( 2 4 ) 卅 ：；，粥茹 5 ， 其中，厶是外部输入激励，即点对应像素的灰度值，是神经元 的输入项， ，、u 口、o ，、艺分别是连接输入、内部活动项、动态阈值、 脉冲输出。当受到外部信号乃刺激时，p c n n 神经元接受输入和连接 输入乞，然后在其内部神经元活动系统形成内部活动项，判断是否 大于动态阈值b ，产生输出时序脉冲序列巧。 2 2 2 脉冲耦合神经网络简化模型应用 脉冲耦合神经网络p c n n ( p u 1s ec o u ple dn e u r a ln e t w o r k ) 作为第 三代人工神经网络，是根据动物的大脑视觉皮层同步脉冲发放现象所提 出的。与传统人工神经网络相比，p cn n 在图像平滑方面有很强的优势， 已经得到广泛的应用n 6 。2 。如利用p c n n 检测图像噪声点然后使用中值或 1 0 类中值滤波器对噪声点进行滤波心8 。2 ，将脉冲耦合神经网络与数学形态 学结合实现噪声图像的滤波口0 3 等。但这些方法的共同缺点是随着噪声 密度的增加，滤波时间迅速增长，同时滤波性能也明显下降。 2 3 改进的脉冲耦合神经网络简化模型 2 3 1 脉冲耦合神经网络的简化模型在图像滤波中存在的问题 对于含椒盐噪声的图像，其噪声分为两类：高亮度的盐噪声和低亮 度的椒噪声，对应的灰度值分别是2 55 和0 。若当前像素点为高亮度的盐 噪声，应用p c n n 简化模型能较好地检测出噪声，而若当前像素点为低亮 度的椒噪声，应用此简化模型对其进行噪声检测会出现失效现象。这里 采用反证法