基于头肩模型的人体识别方法

针对移动机器人跟踪特定人体的要求,提出了一种基于头肩模型的人体识别方法;首先从人体检后得到的图像中提取所有的人体头肩模型;接着提取各头肩模型的降维加权的Hu不变矩作为特征向量;然后根据一定的阈值将各头肩模型分类为正背面或侧面;最后采用正背面或侧面K最近邻(K NearestNeighbor,KNN)分类器判断哪个头肩模型属于移动机器人需要跟踪的人体;实验结果表明本方法具有较高的平均识别准确率98.3%,且满足实时性的要求。

基于头肩HOG特征的快速行人检测

提出了一种基于头肩模型的快速人体检测算法,在当前方向梯度直方图与支持向量机相结合的人体识别方法的基础上,以头肩模型代替整个人体进行人体识别,并且采用混合高斯目标提取技术减小搜索范围,通过降低方向梯度直方图的维数提高识别速率。首先结合混合高斯目标提取技术与Sobel边缘检测技术获取运动目标轮廓,并计算头肩模型范围。计算头肩模型的HOG描述子并通过SVM分类器进行分类。最后,对分类为非人体的目标进行二次识别,克服混叠等因素造成的错判。实验结果表明,该算法在识别率和识别速率上都有所提高,并且在骑车等特殊行人检测中也有很好的识别效果。

遮挡情况下的人体检测与跟踪

人体检测与跟踪技术在智能视频监控中有很好的应用价值。提出了一种遮挡情况下的人体检测与跟踪算法。人体检测部分,利用RGB颜色模型与均值漂移算法,从混合高斯分割出的含有遮挡人体的目标中提取多个人体头肩模型,计算人体头肩模型的轮廓特征。采用傅里叶描述子与神经网络分类器实现人体检测。人体跟踪部分,采用基于颜色线索的粒子滤波器作为基本的跟踪算法,为了解决遮挡问题,采用三台摄像机实现多视角跟踪人体,利用三台摄像机之间关于主平面的映射关系确定遮挡人体的跟踪结果。该算法提高了人体检测的准确率和人体跟踪的可靠性,可以广泛应用于复杂环境中的多个人体的检测与跟踪。

视频中群体行为自动分析方法

针对监控录像中人群动静人体同时存在,人体之间的相互遮挡、聚集,导致人体检测和行为分析困难的问题,提出了一种基于头肩检测的自带反馈系统的人群群体行为分析方法。基于多视角头肩模型的头肩检测与基于Vibe的背景剪除方法相结合,检测结果一方面用来定位人体的位置和实现多目标跟踪,另一方面作为反馈因子来自动调节Vibe模型在不同区域的更新率,从而实现动静人体的同时检测,进而实现对人群聚集、流动的现象的自动分析。实验结果表明,该方法能有效分析人群的群体行为,并且快速鲁棒,能实现对监控录像的实时处理。

多特征提取的双目机器人目标跟踪

为了解决复杂环境下双目机器人的目标跟踪问题,提出多特征提取的方法.在机器人静止-目标运动模式下根据改进的步态光流图和视角识别目标并构造颜色直方图模板;在机器人运动-目标运动模式下利用扩展卡尔曼滤波器、基于自适应核函数的CamShift算法、基于Hu矩的头肩模型匹配算法提取目标的运动特征、颜色特征和头肩特征以实现目标跟踪.实验分析表明,所提出方法能够避免启动时手动框选目标,可以实现遮挡和背景与目标相似度高等复杂环境下的目标跟踪.