基于服装(颜色)的视频监控.ppt

基于服装()的视频监控目标人体识别,报告人：郭立君日期：2008年2月,内容,背景介绍基于视频的人体检测技术颜色不变特征目标人体检测框架帧间差分和背景差分相结合运动目标检测颜色不变矩特征实验,基于视频的人体检测技术,背景减除时域差分光流特征,基于视频的人体检测技术,运动描述子,通过Haar小波和时空差分的块平均作为图象的运动特征，再结合一个有效的否定级连分类器.Paper:P.Viola,M.J.Jones,andD.Snow.Detectingpedestriansusingpatternsofmotionandappearance.InProceedingsofthe9thInternationalConferenceonComputerVision,Nice,France,volume1,pages734741,2003.,基于视频的人体检测技术,多帧图象的运动分析,Shashua等则采用了一个相对简单的方法。首先扫描单帧图象的侯选区域并据此对该帧分类。最终结果通过多帧图象在运动分析、跟踪检测以及步态模式的一致程度来决定。Paper:A.Shashua,Y.Gdalyahu,andG.Hayun.Pedestriandetectionfordrivingassistancesystems:Single-frameclassificationandsystemlevelperformance.InInternationalSymposiumonIntelligentVehicles,pages16,2004.,基于视频的人体检测技术,其它方法,基于SVM的复杂背景下人体检测立体视觉变形模板多信息融合SAM?,颜色不变特征,颜色直方图颜色矩,颜色不变特征,颜色相关图,颜色相关图（colorcorrelogram）是图像颜色分布的另一种表达方式.不但刻画了某一种颜色的像素数量占整个图像的比例，还反映了不同颜色对之间的空间相关性。,其中i,j1,2,N，k1,2,d，|p1p2|表示像素p1和p2之间的距离。颜色相关图可以看作是一张用颜色对索引的表，其中的第k个分量表示颜色为c(i)的像素和颜色为c(j)的像素之间的距离等于k的概率。,目标人体检测框架,基于帧差与背景差分的运动区域检测,检测方法:,基于帧差与背景差分的运动区域检测,背景模型:,用第一帧中该像素点的V值作为(i,j),而将标准方差(i,j)设为0,基于帧差与背景差分的运动区域检测,区域变化的检测:,if|fk(i,j)-fk+1(i,j)|TB1(i,j)=fk+1(i,j)if|fk(i,j)-fk+1(i,j)|TM1(i,j)=fk+1(i,j)T=TV+1/N*|fk(i,j)-fk+1(i,j)|,TV为灰度阈值,添加项1/N*|fk(i,j)-fk+1(i,j)|表示整体光线的变化.,基于帧差与背景差分的运动区域检测,运动目标检测:,d(i,j,t)=|x(i,j,t)-(i,j)|,ifd(i,j,t)(i,j)为显露区,记为B2(i,j)else为运动物体,记为M(i,j),基于帧差与背景差分的运动区域检测,背景更新:,将区域B1(i,j)中的点用下述的规则来进行背景更新。t+1=(1-1)*t+1*x2=(1-1)*2+1*d(i,j,t)2,将区域B2(i,j)中的点用以下的规则进行更新。t+1=(1-2)*t+2*x2=(1-2)*2+2*d(i,j,t)2,颜色不变矩特征,颜色不变矩,颜色不变矩特征,颜色投影,颜色不变矩特征,颜色相似度度量,颜色不变矩特征,颜色相似度度量,实验,实验1,(a)(b)(c)(d)(e)图2：（a）目标图象，红色框是人为标定的目标区域。（b）（c）（d）（e）为搜索图象（通过运动对象检测从视频中提取），其中黄色、兰色与红色分别表示HSV直方图特征、C4C5C6直方图特征和颜色不变矩特征的检测结果。（b）中相应三种特征检测结果的相似性度量值分别为0.172、0.260、0.972，（c）