基于头肩形状的人体跟踪毕业设计开题报告

1、毕业设计（论文）开题报告毕业设计（论文）题目基于头肩形状的人体跟踪学生姓名学号专业（方向）智能科学与技术班级指导教师姓名职称一、 课题背景 机器视觉是用机器代替人眼来做测量和判断。机器视觉系统则是指通过机器视觉产品（即图像摄取装置，分 CMOS 和 CCD 两种）将被摄取目标转换成图像信号，传送给专用的图像处理系统，根据像素分布和亮度、颜色等信息，转变成数字化信号；图像系统对这些信号进行各种运算来抽取目标的特征，进而根据判别的结果来控制现场的设备动作。其系统能提高生产的柔性和自动化程度。在一些不适合于人工作业的危险工作环境或人工视觉难以满足要求的场合，常用机器视觉来替代人工视觉；同时在大批量工

2、业生产过程中，用人工视觉检查产品质量效率低且精度不高，用机器视觉检测方法可以大大提高生产效率和生产的自动化程度。而且机器视觉易于实现信息集成，是实现计算机集成制造的基础技术。正是由于机器视觉系统可以快速获取大量信息，而且易于自动处理，也易于同设计信息以及加工控制信息集成，因此，在现代自动化生产过程中，人们将机器视觉系统广泛地用于工况监视、成品检验和质量控制等领域。在国外，机器视觉的应用普及主要体现在半导体及电子行业，其中大概40%-50%都集中在半导体行业。而在中国，视觉技术的应用开始于90年代，因为行业本身就属于新兴的领域，再加之机器视觉产品技术的普及不够，导致以上各行业的应用几乎空白。运动

3、人体检测、识别和跟踪技术是人体运动分析的重要内容，是当前计算机视觉领域的研究热点，其不但具有重要的实际意义，而且对计算机视觉的其他研究领域有着重要的推动作用。不仅如此，运动目标的跟踪在虚拟现实、工业控制、军事设备、视频监控、交通流量观测监控等很多领域也有重要的实用价值。在实际中，视频监控在识别和跟踪都是利用摄像机对某一特定区域进行监视，是一个细致和连续的过程，它可以由人来完成，通常都是由人眼认出嫌疑人之后，人工跟踪目标寻找可疑线索，但是人执行这种长期枯燥的例行监测是不可靠的且费用较高，因此引入运动目标识别跟踪非常有必要。它可以减轻人的负担，并且提高了可靠性。1.交通监管部门方便调动人手，减少非

4、必要的人事安排。对于交通监管部门，在计算机屏幕前观测交通情况，以及在市民需要寻找目标人物线索的时候，需要大量的人手。而视频监控技术如若应用在统计交通人数方面，可以减少交通监管部门的压力，也提高准确率。2.市民安全需要大量警力负责，减少人身不安全指数。停车场及ATM机由于技术和资金上的原因，多数仅限于全天候进行监测，如果对现场突发状况处理不及时或因设备人力条件有限仍会造成重大损失。对于现场突发状况如果采取及时有效的措施，可大量避免不必要的人员及财产安全。因此，ATM机及停车场在进行监控的同时，必须重视对现场突发情况的处理，以利于及时采取有效措施避免不必要的状况发生。3.学校的学生宿舍和教学楼屡屡

5、被盗，减少人员财产损失。不论是小学中学大学，计算机技术被普及之后，对计算机的使用越来越频繁，每个学校甚至于每个教室都配备了计算机，而某些梁上君子，为了薄利不惜铤而走险，进去学校偷盗，尤其是学生寝室一栋楼只有一个楼管阿姨，根本不能有效防盗不说，就算发生了盗窃，楼管阿姨根本无法确认嫌疑人。因此，目标识别跟踪就非常重要，可以帮助学生和学校减少损失。 提及目标跟踪首先就需要识别出目标，行人检测包括了行人目标的分类和行人的跟踪等方面，涉及到计算机视觉、模式识别和人工智能领域的许多核心课题， 是一个具有挑战性的困难问题。目前，在许多文献中提出了多种关于行人检测的方法, 常用的方法有基于运动特性的方法、基于

6、形状信息的方法、基于行人模型的方法、立体视觉的方法、神经网络方法、小波和支持向量机的方法等。 当前国内外跟踪算法主要可以分为4类：基于区域的跟踪、基于轮廓的跟踪、基于特征的跟踪和基于模型的跟踪；然后再对视频中的行人进行跟踪和计数。 被使用最多的几种方法中，基于Hausdorff距离的快速目标匹配方法被提及次数最多，利用快速匹配形成的聚类进行最佳匹配，通过目标运动速度和方向的光滑性度量来建立每个运动目标的“目标链”即运动轨迹。另一种是基于卡尔曼滤波，利用最为广泛，它利用改进的混合高斯模型提取背景，并采用HSV颜色空间模型和目标重构方法得到消除阴影后的前景图像，再进行行人的特征提取，得到融合行人位

7、置特征和形状特征的运动模板。最后，采用卡尔曼滤波对行人的运动轨迹进行预测，将检测到的目标与预测结果匹配，得到行人的跟踪匹配矩阵，根据匹配矩阵判断合并和分离的发生。还有一种理论被引用次数较多，即基于单目视觉的运动行人检测与跟踪方法，是为了有效检测与跟踪城市交通环境中的行人，提出的一种在摄像机静止情况下基于单目视觉的运动行人检测与跟踪方法。检测阶段通过自适应背景模型快速提取背景图像， 用动态多阈值方法二值化差分图分割运动行人；跟踪阶段引入灰色模型作为行人运动模型 ，预测行人运动，融合行人多种特征建立目标匹配模板，对行人连续跟踪。另外由于人体是自然界中结构较复杂的物种，如果能研究出一个成功的针对人体

8、检测系统，那么就能对其他的模式检测跟踪问题提供有价值的参考。而且必将推动模式识别、计算机视觉、人工智能等计算机科学分支的发展。参考文献：1. 明日科技.Visual C+开发 技术大全M 人民邮电出版社.2009年10月.2. .张俊、张彦铎.C+面向对象程序设计M中国铁道出版社.2008年8月3. 萨师煊，王珊.数据库系统概论M 北京：高等教育出版社.北京2002年1月. 23-404. Kenneth R. Castleman著 朱志刚等译.数字图像处理 M 电子工业出版社2002年2月第1版5. 郑文彬、朱鹏程、曾文火.动目标成像跟踪算法研究J华东船舶工业学院学报， 2005.4:19-

9、226. 蔺广逢、范引娣.智能视频监控中的人体检测与识别J.计算机应用,2007，12：91-927. Pavan Turaga.Machine Recognition of Human Activities A SurveyJ.Proceedings of IEEE International Conference on Computer Vision, 2005:166-1738. 业内信息，ISO联手IEC发布信息技术多模态生物特征识别技术方案J信息技术与标准化，2007.10：15-179.李 娟、邵春福、杨励雅、李琦，基于Kalman滤波的行人跟踪方法研究J交通运输系统工程与信息,2

10、00910. 武爱民，Ha u s d o r f f距离的行人跟踪计数方法J信息技术,200711. .顾柏园、王荣本、余天洪等，基于视觉的前方车辆探测技术研究方法综述 J 公路交通科技，2 0 0 5.2 2( 1 0 ) ：1 1 41 1 92、 毕业设计（论文）方案 目标跟踪检测技术采用人机对话的操作方式，界面设计美观友好，操作方便，用于实现以人体为目标的跟踪检测。 论文的主要工作包括： 1运动物体检测与识别方面，改进现有背景模型初始化方法。当图像序列中存在运动物体时，改方法能够快速准确的提取出背景模型。综合运用数学形态学方法、连通区域检测法和人体特有的特征值法，得到良好的前景运动人

11、体图像。2 运动人体跟踪方面，还是采用基于特征和区域相结合的匹配跟踪法。该方法以提取人体的特征开始，人体特征的选用标准是具有抗噪声、鲜明的对比性以及合适的大小等特点，定义明确的约束条件以减小无用的匹配区域提高匹配效率，利用两个目标特质的相似程度进行匹配，从而完成跟踪。3 运用Visual C+软件在Windows平台上建立运动人体检测、识别与跟踪整套软、硬件实验系统。基于微软MFC开发类库，进行多层次模块式软件研发，将多个功能模块集成于一个友好的用户界面下。最后将课题涉及的图像处理、模式识别等领域的数学处理方法编程实现，得出试验结果。程序代码主要实现方案：1. 实现功能： 对视频流的处理：检测

12、出当前视频流截取帧的分辨率；截取帧的总数量；当前帧的号码； 对当前帧的处理：通过对当前帧减去背景参考帧(对一个较固定的场景选取相当多帧数的图像进行平均，从而得到可以被认为等同于背景模型的背景参考帧)；对得到的差图像选择合适的阈值进行二值化，得到完整的运动目标。2. 基于特征的检测方法 基于低层特征的方法 衣着特征：首先利用函数找出当前帧中人体轮廓可能个数，再利用人的头部和衣服连接处灰度值可能不同进行判断当前图片中目标个数。 基于模型的方法 固定模板：对于目标进行训练得到头肩部模板，进行匹配。 弹性模板：将人体肩部模板设置为直线与弧形的连接，对目标轮廓进行多次微分，设置阈值，再判断。 3.对目标

13、进行跟踪 基于区域的人体跟踪，利用小区域特征进行单人的跟踪，将人体看作由多个小区域块所组成，通过跟踪各个小区域块来完成整个人的跟踪。例如将人体看作由头、躯干、四肢等身体部分所对应的小区域块所组成3、 毕业设计（论文）预期成果及创新 1.毕业设计预期目标(1) 学习了解图像处理和分析的基本原理(2) 对基于模式匹配的人肩轮廓检测研究有一定的了解(3) 对所分析的匹配算法进行软件实现和测试，实现人肩检测2. 毕业设计预期方法 （1）预处理：预处理的目的是在提取运动目标前去除噪声的影响，去除噪声的方法很多，可能会使用中值滤波，均值滤波，小波滤波等。 （2）背景恢复及更新：视频序列帧具有很强的相关性，

14、仅仅利用单帧的信息进行处理容易产生较大误差，因此采用联合多帧信息进行分析的方法：可以根据各个坐标处像素值在整个序列中的统计信息对运动场景的背景进行更新。 （3）运动目标提取：利用更新后的背景和当前帧的信息检测出运动目标，把需要观察的目标从其他物体中分割出来。确定目标的区域或者是颜色方法有：时间差分法（两帧或者多帧做减法）与背景减法（对于嵌入式的系统要求过高，需设置背景帧用当前帧和背景帧作比较） （4）目标跟踪检测：初步计划用卡尔曼滤波器实现（最优化自回归数据处理算法） 3.毕业设计预期成果 （1）可在给定背景图像的视频流中检测出目标 程序能够在视频流中使用原始图像和背景图像相减法得出目标 （2）经过二值化和滤波之后可以定位准确度 检测结果应能够与手工标定位置比较，得到尺寸误差 （3）应用范围 能够检测的目标范围，如侧身，光照，遮挡等4. 毕业设计预期创新 图