1、毕业设计 开题报告 计算机科学与技术 人体检测方法研究与实现 一、 选题的背景、意义 近几十年来，随着计算机技术和图像处理技术的发展，目标检测及跟踪系统广泛运用于各领域。人们对视频序列中运动目标的检测与跟踪做了大量而深入的研究，提出了各种行之有效的方法，其中运动人体的检测与跟踪犹豫在智能监控领域的应用前景和潜在经济价值成为研究的热点课题之一。 运动人体检测、识别、和跟踪技术是人体运动分析的重要内容，也是计算机视觉研究的重要领域之一。它在智能监控、虚拟实现、人机交互、辅助临床医学诊断等领域均具有广阔的运用前景 和 经济价值。近年来，随着中国城市化建设不断深入，大型城市（如上海、北京、广州）的人口
2、呈爆炸式增长，随之而来的交通压力也日益增大，矛盾日益突出。本文主要是针对城市交通环境下如何保障行人交通顺畅和出行安全等问题，研究了摄像机静止情况下基于单目视觉的运动人体检测、识别和跟踪方法，详细介绍了从复杂场景中分析行人运动的算法研究和编程实现的过程。 现在，在很多场合我们都可以看到一些用于监控的摄像头。如银行，超市，商场，居民社区，停车场，教室，高速公路等，可以说监控的应用无处不在。但目前大部分的监控是由相关人员通过监视器进 行人工监控，这样由于监控的区域过大或监控时间过长使人产生疲劳，造成一些区域的漏检，没有对一些异常情况做出及时的反应，失去了监控的作用。因此，人体检测技术的应用，可以使通
3、常被动的监控成为智能的主动的监控。当一些人员出现在场景中，我们的监控设备就会自动检测出人体，通知监控人员。这样一方面可以减轻监控人员的工作，减少一些人力，物力和财力的投入。另一方面可以提高家弄的准确度，可以及时对异常情况进行报警，减少不必要的损失。同时，人体监测还可以对交通管理，地铁，及其他公共场所的人流信息进行分析和计算。 人体目标的检测的 目的是从序列图像中将变化区域从背景图像中提取出来，运动区域的有效分割对于目标分类、跟踪和行为理解等后期处理是非常重要的。然而，由于背景图像的动态变化，如天气、光照、影子及混乱干收稿日期： 2009 09 17基金资助：国家自然科学基金资助重点项目 (60
4、736024)；国家自然科学基金资助项目 (60574004)；高校博士点基金资助项目 (708069)l28扰等影响。使得运动检测成为一项相当困难的工作。在此，只研究在背景静止状况下的人的运动。 人体检测技术讲在现实生活中取得越来越重要的作用，其广阔的前景和价值成 为推动该技术发展的强大动力。 二、 研究的基本内容与拟解决的主要问题 1.图 像预处理 .图像预处理主要用于消除图像的基本噪声、增强图像对比度等，以改善图像质量，使图像变得较为清晰，以便后续处理和分析，如图像分割等。 对图像滤波方法的选择取决于噪声与图像的关系以及处理的具体要求，图像常被强度随机信号 (也称为噪声 )所污染 【 3
5、】 。考虑到实际场景图像中的噪声特性，这里主要采用高斯滤波法，来滤除图像中包含的高斯噪声。 2.背景提取。背景图像为不含前景目标的场景图像。 背景图像为不含前景目标的场景图像。这里采用自适应背景提取方 法，即首先将输入的第一帧图像作为原始背景，从第二帧开始对当前帧间差分图像进行二值化处理，由二值图找到运动区域和非运动区域 6 。为了消除纹理相似的前景交叠区域作为背景提取的不足，这里采用的方法中引入了数学形态学运算对帧差分图像的进一步处理，准确提取出非运动区域；然后用当前帧图像中的非运动区域部分更新当前背景图像，而运动区域部分的背景图像则保持不变，经过一定数量图像的 迭 代便可提取出背景 【 3
6、】 。 3.运动行人分割。在采用背景差法检测运动行人过程中，除了得到清晰的背景图像之外，选取合适的阈值也是准确分割出运动 的行人中至关重要的一步，是运动行人检测的一个重点和难点。 由于场景中背景基本无动态变化，且行人的服装颜色与背景差别较大，经反复实验，人工确定动态图像序列中差分图像二值化的阂值为 30(灰度值 )。 4.提取运动区域。分割后的连通区域受噪声影响很大，图像中存在一些小的噪声干扰点，这些干扰的存在必然影响行人检测的质量。 首先，对二值化之后的图像进行中值滤波，消除小的噪声；然后，采取数学形态学处理中的腐蚀和膨胀算子对二值图进行操作，去除噪声前景点和填补目标区域的小孑 L，从而得到
7、行人较为清晰和完整的轮廓。运动目标检测最常 用的一种方法就是背景减除，这种算法估计出一个不带有运动目标的背景模型，通过计算当前图像帧和该背景模型的差别来确定运动目标的位置，并利用检测结果动态的更新背景模型。 各种背景消减算法的主要差别在于所采用的背景模型类型和更新算法。目前普遍采用的方法是对图像帧中每一个点，用一个统计模型来描述其亮度（颜色）的概率分布，在实际中使用上最多的就是正态概率分布（高斯分布）。在背景更新时，则对不同的检测结果赋予不同的更新系数，以区别是倾向于保留还是改变原有的分布。 检测运动的人体时，基于形状的分类是利用检测出来的运动区域的 形状特征信息来进行物体的分类的。通过检测模
8、块得到一个二值化前景图像，对这个前景图像进行横向和纵向的投影可以得到横向和纵向直方图。通过多个人体样本训练可以得到 人体的横向投影宽度和纵向投影宽度的比值，这个横向投影宽度和纵向投影宽度的比值作为人体的轮廓模式，可以用待分类的样本和此模型进行对比确定是否为人体。 拟解决的主要问题：本问主要解决的问题是提取分析摄像机画面检测是否有运动人体存在，区分并标注其区域。 三、 研究的方法与技术路线、研究难点，预期达到的目标 一般来说，运动目标检测算法有两种分类方法：一是按被监测 场景分为室内场景监测和室外场景监测；另外一种分类方法根据由运动目标所形成的图像序列分为静止背景和运动背景的目标检测，当视频监测
9、系统中摄像头与场景之间处于相对静止的状态，那么背景图像的大小和位置在不同帧中将保持不变，当前，对于这种情况常用的运动目标检测方法主要有光流法，帧间差分法和背景减除法等，然而，这三种方法都存在一定的局限性。本文主要针对室内，静态背景下的运动人体进行检测。 人体检测是对象检测中的一个极难的问题。在很多学者眼中甚至是计算机视觉中最难的问题之一。人体检测问题几乎涉及到计算机视觉从低层的特征提 取到高层的图像理解的全部问题，而其还有其他问题所不具备的独有难题，其主要的难题有以下几点： 1.对象复杂性高：相对于车辆，文字等几何，颜色，纹理比较简单的对象而言，人体的对象要复杂得多，因此很难用简单的模型对其进
10、行描述。 颜色与纹理信息的多样性：人体由于衣服，肤色，光照等的变化，不同的人在灰度以及颜色空间上拥有不同的特征。同样由于不同的人有不同的衣服样式或者肤色变换的不同，在纹理特征方面也没有统一的特征模式可寻。 2.姿态的多样性：由于人体不是一个刚体模型，很难用一个统一 人体模型对其进行描述。相比较而言， 人脸等问题由于大体上眼耳鼻嘴等位置分布有较为固定的模式，可以相对容易的建立起模型框架。而人体在运动的时候，其姿态是完全不一样 的，其各个部分的组合很难找到统一的模式去定义或者描述，这也增加了人体监测的难度。 3.视觉的多样性：与很多情况下人脸检测识别不同的是，人机检测的应用情况统筹并不像人脸检测识
11、别那样是在固定的视觉（正常）情况下得到的，人体检测中的人体可能是从正视或者测试等不同的视觉角度来进行观测的，更有可能从俯视，平视或者仰视的不同角度观看。所以视觉的多样性也是人体检测中的一个难题。 综上所诉，人体检测 目前在计算机视觉研究领域还远未成熟。而不同的学者也在通过不同的途径进行研究，通常情况下都是将复杂的问题简化在一定的条件下利用现有的方法进行改进的检测。文本主要研究固定摄像头拍摄下的视频序列中检测出运动人体的问题。该系统预期达到的目标为：在静止画面中能准确分析提取并区分和标记运动的人体 四、论文详细工作进度和安排 第七学期第 10 周至第 18 周（ 2011 年 01 月 06 日
12、前）：文献检索和资料收集，完成毕业论文（设计）文献综述、开题报告和外文翻译； 第八学期 第 1 周 至第 3 周（ 2011 年 03 月 11 日前）：撰写论文提纲 ，完成毕业论文（设计）初稿、需求分析和概要设计； 第八学期 第 4 周 至第 12 周（ 2011 年 05 月 13 日前）：详细设计、系统调试、和毕业 论文（设计）完成定稿； 第八学期第 13 周（ 2011 年 05 月 20 日前）：完成应用软件系统的设计和毕业论文（设计）送指导老师和评阅老师评阅，准备答辩； 第八学期第 14 周：参加毕业论文（设计）答辩。 五、 主要参考文献： 1 陈明，蔡自兴。基于 DirectSh
13、ow技术的移动机器人视频采集系统 J。华中科技大学学报：自然科学版， 2004(Z1)： 87 89。 2 王亮，胡卫 明，谭铁牛。人运动的视觉分析综述 J。计算机学报， 2002， 25(3)： 225 237。 3 周术诚 ,周明全 ,耿国华，基于小波变换的自适应阈值三维图像分割 J，计算机应用与软件， 2006,23(10):20-22。 4 王剑峰，肖国强，江健民 综合距离和相关性的图像检索算法 2007(10)。 5 杜庆海 ,于忠清 ,张佳，基于 不变矩特征的图像识别，信息技术与信息化 。 2008， (6)。 6 侯志强，韩崇昭。视觉跟踪技术综述 J。自动化学报， 2006(4)
14、： 603 617。 7 宋磊，黄祥林，沈兰荪。视频监控系统概述 J。测控技术， 2003(5)： 33 35。 8 范勇 ,等， 一种快速运动目标检测和跟踪算法， 光电工程 ,2000， 12 9 刘雷。人体运动建模仿真方法研究 J。计算机仿真， 2009(1)： l66 168。 10 孙剑，李克平。行人运动建模及仿真研究综述 J。计算机仿 11 图像工程 （上册） 图像处理和分析 章 毓 晋 清华大学出版社， 1999 12 王安静，陈玲等。用 Vc+实现图像连通区域标记。电脑编辑与维护技巧， 2003， 1：74-77 13 杨莉，李玉山。复杂背景下的多运动目标轮廓检测。电子与信息学报。 2005， 2（ 2）。306309， 14 I-7Neri A， Clonnese S， Russo G， et a1。 Automatic Moving Ob ject and Background SeparationJ。 Signal Processing， 1998， 66： 219 232。 15 Peter Meer。 Real Time Tracking of Non Rigid Objectsusing Mean ShiftA。IEEE CVPRfC。 2000
