嵌入式運(yùn)動(dòng)人體實(shí)時(shí)檢測(cè)系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn).pdf

1、對(duì)圖像序列中的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)和識(shí)別是當(dāng)前計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域的一個(gè)重要研究方向,在智能視覺(jué)監(jiān)控、圖像檢索和高級(jí)人機(jī)交互等領(lǐng)域有著非常重要的地位。本文對(duì)圖像序列中的運(yùn)動(dòng)人體檢測(cè)的相關(guān)內(nèi)容進(jìn)行了深入的研究,并實(shí)現(xiàn)了一個(gè)基于嵌入式平臺(tái)的運(yùn)動(dòng)人體實(shí)時(shí)檢測(cè)系統(tǒng)。
　　運(yùn)動(dòng)人體檢測(cè)包括兩個(gè)方面的內(nèi)容:對(duì)圖像序列中的運(yùn)動(dòng)目標(biāo)進(jìn)行檢測(cè)和對(duì)提取的對(duì)象進(jìn)行分類。在攝像機(jī)靜止的情況下,最常用的檢測(cè)算法是背景差分法,該算法通常需要構(gòu)建背景模型且需要

2、對(duì)背景圖像進(jìn)行實(shí)時(shí)更新,容易受光線變化的影響。光流法不需要任何的背景信息就能提取出完整的運(yùn)動(dòng)目標(biāo),但是該算法運(yùn)算復(fù)雜、實(shí)時(shí)性差且需要特殊硬件的支持。幀間差分法具有較強(qiáng)的自適應(yīng)性和實(shí)時(shí)性,但存在相鄰兩幀目標(biāo)重疊部分不易檢測(cè)的問(wèn)題,運(yùn)動(dòng)目標(biāo)內(nèi)部容易出現(xiàn)空洞。針對(duì)嵌入式平臺(tái)資源有限的特點(diǎn),本文在三幀差分法的基礎(chǔ)上進(jìn)行改進(jìn),用或運(yùn)算代替最后的與運(yùn)算,實(shí)現(xiàn)了運(yùn)動(dòng)軌跡的累積,獲得了更多的目標(biāo)運(yùn)動(dòng)區(qū)域,從而減少了內(nèi)部的空洞。采用最大類間方差法對(duì)差分圖

3、像進(jìn)行動(dòng)態(tài)閾值分割,然后對(duì)前景運(yùn)動(dòng)目標(biāo)進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理,進(jìn)一步消除目標(biāo)內(nèi)部的空洞,最后通過(guò)連通域分析的方法提取出運(yùn)動(dòng)目標(biāo)。
　　對(duì)人體進(jìn)行識(shí)別和行為理解一直是機(jī)器視覺(jué)的研究熱點(diǎn),主要是基于人的形體知識(shí)、皮膚顏色和運(yùn)動(dòng)學(xué)特征等方面對(duì)人體進(jìn)行識(shí)別,其中最常用的是對(duì)人的形體特征進(jìn)行分析,采用模式分類的方法進(jìn)行識(shí)別。目前,模式分類的算法比較多,常用的有貝葉斯分類器、支持向量機(jī)、K近鄰法等。本文中判斷提取的運(yùn)動(dòng)目標(biāo)屬于人體還是非人體是典型

4、的二分類問(wèn)題,基于嵌入式平臺(tái)實(shí)時(shí)性方面的考慮,采用貝葉斯分類器對(duì)其進(jìn)行分類。在特征的選擇上,首先根據(jù)人體的結(jié)構(gòu)特點(diǎn)對(duì)樣本進(jìn)行網(wǎng)格劃分,然后統(tǒng)計(jì)網(wǎng)格內(nèi)各像素點(diǎn)的灰度值,最后將豎直方向和水平方向上的統(tǒng)計(jì)值組合起來(lái)作為分類器的特征向量。
　　本文最后將運(yùn)動(dòng)目標(biāo)檢測(cè)和人體識(shí)別算法應(yīng)用于嵌入式視頻監(jiān)控,它能夠在無(wú)人值守的情況下,對(duì)靜態(tài)背景區(qū)域中是否有單個(gè)的運(yùn)動(dòng)人體進(jìn)行智能判斷,當(dāng)檢測(cè)到人體時(shí)則發(fā)出報(bào)警提示并將該時(shí)刻所采集的圖像信息自動(dòng)保存到