分享到:

静态图像中人体检测技术研究

静态图像中的人体检测技术在驾驶员辅助系统、人体运动捕捉、色情图片过滤以及虚拟视频等领域有重要的应用价值。人体形状的变化比较复杂,而且人体可能穿着各种颜色和各种风格的衣服,因此检测静态图像中的人体是一个非常困难的任务。本文针对该问题开展了研究工作,并取得了以下几个创新成果:● 尽管人体形状的变化非常复杂,但人体四肢的变化相对比较小。基于此,本文在第二章提出一种强调四肢组合结构的人体模型,并利用样本学习的方法获得这种人体模型对应的概率模型,以便定量地反映人体结构的变化。● 图像中包含的边缘信息是物体检测系统中一种重要的特征。本文在第三章提出一种基于图像的亮度变化以及颜色空间分布的彩色边缘检测算法。该算法以灰度边缘检测为基础,补充颜色变化导致的边缘,并消除那些位于纹理区域内部的点。该算法检测到的边缘可以反映物体的轮廓信息,因此可以通过边缘组织高效地检测图像中的人体目标。● 本文在第四章提出一种基于矩形拟合的人体检测算法。该方法以第二章  (本文共122页) 本文目录 | 阅读全文>>

浙江大学
浙江大学

单目视频中人体运动建模及姿态估计研究

对于单目视频中人体运动的自动理解和姿态估计一直是计算机视觉研究的热点问题。本文从五个方面对基于单目视频的人体检测及运动分析展开研究,分析了基于视频的人体检测技术:三维人体运动捕获技术,行人检测技术,视频人体运动特征提取的方法,人体运动跟踪技术和人体运动姿态估计技术。在此基础上进行人体运动建模和基于单目图像的姿态估计。首先采用基于窗口梯度势能的遮挡人体检测方法对视频中人体信息进行检测,提出了一种基于窗口梯度势能(Window Gradient Potential Energy,WGPE)的人体检测方法。在特征窗口扫描过程中,通过加权级联SVM,实现对半遮挡情况下的人体检测,利用稀疏-稠密窗口势能集筛选缩短了检测时间。由于WGPE利用了HOG特征计算过程中的梯度信息,因此本算法与其他的基于HOG的快速检测算法来,并不需要增加过多的计算开销,在背景较为平滑的图像中,与传统的HOG检测方法相比具有较少的检测时间,对于较复杂的背景,本算法...  (本文共133页) 本文目录 | 阅读全文>>

大连理工大学
大连理工大学

静态图像中的正面人体分割算法研究

随着生活水平的提高和社会信息化程度的加深,数字图像越来越成为在人们在日常生活中获取信息的最主要途径。图像分割是数字图像处理的一个重要组成部分,对于后续的目标检测、图像检索和图像理解等方面的研究来讲,图像分割作为它们不可或缺的预处理步骤,具有重要的研究价值。目前比较常见的是视频序列中的人体目标分割,其主要应用于公共场合的监控系统。而且,这类方法大部分都存在两个共同的缺点:检测到的运动目标不一定是人体;静止不动的人体无法被检测到。本文则侧重于研究单幅静态图像中的人体目标检测与分割,这对于基于内容的图像检索、人体目标识别与分类、图像理解等方面的研究和应用具有重要意义。在人体检测算法中,本文详细介绍了几类现有的人体检测方法,分析了他们的可靠性,并在此基础上提出了基于人脸检测和Normalized Cuts图像分块的人体检测和分割算法。人体的颜色、形状和姿态各异,这对人体目标全局的检测造成很大困难,所以本文采用两步走的方法:1)先检测上半...  (本文共66页) 本文目录 | 阅读全文>>

燕山大学
燕山大学

视频序列运动人体检测方法研究

基于视频序列的人体检测问题是当今计算机视觉和模式识别领域的热点研究问题,它在智能监控、智能汽车系统、图形与图像处理等领域有着广泛的应用前景。本文在研究国内外相关研究成果的基础上,针对视频序列中运动人体检测问题构建了一个基于视频序列的运动人体检测系统。首先,针对视频序列,本文采用混合高斯模型对背景建模,在建立背景模型的基础上检测视频序列中的运动目标。对于检测得到的运动目标区域本文提出了一种分割运动前景区域的方法,该方法结合中值滤波与数学形态学算法对运动前景区域进行处理,并采用投影的方式分割运动前景区域。实验结果表明该运动前景区域分割方法能够有效的提取出视频序列中的运动前景区域。其次,对于人体检测问题,本文深入研究了梯度方向直方图特征的构造方法,并将积分图计算方法与梯度方向直方图特征构造方法相结合,加快了梯度方向直方图特征的计算速度。在此基础上,针对人体梯度方向直方图特征采用线性支持向量机离线训练了一个二元分类器,并结合多尺度检测与...  (本文共73页) 本文目录 | 阅读全文>>

中国科学技术大学
中国科学技术大学

静态图像中的人体检测技术

快速有效地检测人体在计算机视觉中有许多应用,例如智能汽车、视频监控、图像检索和高级人机交互等。在智能视频监控中,自动在场景中搜索人体被视为理解人类活动的首要预处理步骤。由于人体自身姿态变化多端,衣着具有多样性以及背景、光照条件的复杂性,使得在静态图像中进行人体检测面临巨大的挑战。本文首先给出一种静态图像中的人体检测算法,将边缘方向特征和Haar-like特征作为候选特征集,采用改进的Adaboost算法来训练人体检测器中每层的强分类器。针对传统Adaboost算法训练较慢的缺点,提出一种快速特征选择算法,通过构造统计表,保存特征信息,避免每轮弱分类器训练时对所有特征重新计算分类误差;并结合fisher判别分析方法对选出的弱分类器进行训练,学习得到一个新的线性判别方程,最大化不同类别数据之间的可分离性,达到优化强分类器降低风险敏感影响的目的。另外,本文还对最终分类器的分层级联结构进行了改进,即在传统的分层结构基础上加入若干附加的分...  (本文共67页) 本文目录 | 阅读全文>>

西安电子科技大学
西安电子科技大学

基于第二代Bandelet变换的人体检测方法研究

人体检测是计算机视觉中一个重要的研究领域,在视频监控、智能汽车及智能交通、机器人和高级人机交互等领域具有广泛而重要的应用。然而,由于人体自身姿态的变化、衣服的多样性和光照等因素的影响,人体的外观变化非常大,导致人体检测成为一个非常困难的问题。为了提高人体检测的正确率,本论文由图像的几何流特性出发,提出了基于第二代Bandelet变换的人体检测特征提取新方法,并将其应用于静态及动态人体图像的检测。在第二代Bandelet变换的基础上,本论文就降低特征提取的时间复杂度,提高运动区域的分割准确度以及提高人体检测的鲁棒性等方面做了大量工作,主要涉及基于统计学习的人体检测方法、光流法、图像分割方法、基于部位的人体检测方法等。本文主要工作如下:1)提出了一种基于第二代Bandelet变换的图像特征提取及人体检测方法。即利用优化后的Bandelet变换中的Bandelet系数及其统计特征作为图像的特征,分类并检测图像中的人体。首先通过实验确立...  (本文共74页) 本文目录 | 阅读全文>>