亚洲黄色在线视频,亚洲欧美在线人成swag,欧美激情五月

基于形變輪廓模型的視頻圖像中人物領(lǐng)域的追蹤

來源：電子技術(shù)應(yīng)用2013年第11期

朱洪錦1,2, 范洪輝1,2, 葉飛躍1,2，朱世松3

1. 江蘇理工學院計算機工程學院, 江蘇常州213001; 2. 常州市云計算與智能信息處理重點實驗室, 江蘇常州213001; 3. 河南理工大學計算機科學與技術(shù)學院, 河南焦作454003

摘要： 基于頭部輪廓設(shè)置人物領(lǐng)域輪廓模型，建立形變輪廓模型模板，通過模板評價函數(shù)完成模板的更新修正，實現(xiàn)不基于幀間差分和移動向量亦能在視頻圖像中追蹤移動對象。基于形變輪廓模型算法，可實現(xiàn)攝像頭轉(zhuǎn)動或背景變動,且在背景較復雜的情況下從視頻圖像中檢測移動人物。實驗結(jié)果驗證了該算法的有效性與魯棒性，可快速準確抽取視頻圖像中的人物領(lǐng)域。

關(guān)鍵詞： 軟件形變輪廓模型視頻圖像人物領(lǐng)域抽取目標追蹤

中圖分類號： TP391
文獻標識碼： A
文章編號： 0258-7998(2013)11-0129-03

Extraction of human region from image sequence based on deformation contour model

Zhu Hongjin1,2, Fan Honghui1,2, Ye Feiyue1,2, Zhu Shisong3

1. School of Computer Engineering, Jiangsu University of Technology, Changzhou 213001, China; 2. Key Laboratory of Cloud Computing & Intelligent Information Processing of Changzhou City, Changzhou 213001, China; 3. School of Computer Science and Technology, Henan Polytechnic University, Jiaozuo 454003, China

Abstract： This paper can get contour model of head by using face detection results. Based on the contour model of head and Gaussian function to found the upper part of the human body model(object mask). In proposed method, the object mask is amended in the human tracking process based on condensation method. Experiment results indicated that the proposed method is robust to complex background.

Key words : deformation contour model; image sequence; human extraction; object tracking

近年來，隨著網(wǎng)絡(luò)和數(shù)字廣播傳輸信道的增加，在海量信息中實現(xiàn)視頻內(nèi)容的分析與檢索是計算機視覺領(lǐng)域的研究熱點。在視頻圖像處理中圖像序列運動目標跟蹤技術(shù)得了到廣泛的研究和應(yīng)用，尤其在視頻監(jiān)控、視頻編碼、智能機器、圖像恢復等領(lǐng)域都具有廣泛的應(yīng)用前景。許多研究者對運動目標跟蹤問題進行了深入研究，提出了基于目標特征的跟蹤、基于模型匹配的跟蹤以及基于目標輪廓的跟蹤等方法[1]。目標特征的跟蹤技術(shù)需要解決復雜場景下多特征跟蹤算法的適應(yīng)性問題及實現(xiàn)有效特征的提取的連續(xù)性，基于模型匹配需要準確建立視頻前后幀之間運動對象的對應(yīng)匹配關(guān)系，同時對跟蹤分割的精度有較高的要求[2]。對于這兩種目標跟蹤方法，基于輪廓的方法可單純利用人物輪廓實現(xiàn)視頻中人物領(lǐng)域的抽取與追蹤，簡化其余特征計算數(shù)量及匹配難度，可實現(xiàn)視頻中多人物的連續(xù)跟蹤[3]。

   基于輪廓模型的目標跟蹤算法中參數(shù)活動輪廓模型和非參數(shù)活動輪廓模型是圖像處理中最具代表的算法[4]。參數(shù)化輪廓使用離散的點表示目標的輪廓，采用目標的邊緣作為跟蹤的特征,該方法計算效率高,實現(xiàn)手段靈活,但難以克服跟蹤過程中輪廓線拓撲結(jié)構(gòu)改變的情況,不利于高維拓展和多目標跟蹤[5]。非參數(shù)輪廓模型通常將輪廓表示為區(qū)域的邊界，其優(yōu)點是對輪廓的拓撲形狀的改變?nèi)菀卓刂疲怯嬎阆鄬碗s[6]，并且現(xiàn)存算法大多是以攝像頭固定、背景圖像無變動、背景相對簡單為前提條件，較難應(yīng)用于動態(tài)實時監(jiān)控系統(tǒng)[7]。
    本文提出基于人物頭部輪廓的形變輪廓模型追蹤視頻圖像中人物領(lǐng)域，研究基于形變輪廓模型算法，實現(xiàn)攝像頭轉(zhuǎn)動或背景變動，且在背景較復雜的情況下，實現(xiàn)視頻圖像中移動人物的檢測與追蹤。
1 輪廓特征提取
   檢測的對象圖像背景復雜時，圖像分割后具有較高的邊緣特征，為降低移動輪廓模型線分割的難度，采用分水嶺算法、中值濾波及顏色相近區(qū)域統(tǒng)合作為圖像分割的前期處理。
    本文在視頻圖像中人臉檢測研究的基礎(chǔ)上展開進一步研究，故在視頻圖像第一幀的人物頭部處設(shè)定控制點后,基于B-Spline函數(shù)生成頭部輪廓模型，利用人物頭部輪廓信息建立人物領(lǐng)域輪廓概要模型，基于高斯函數(shù)的卷積運算生成人物領(lǐng)域的對象模板[8]。即基于人臉檢測的結(jié)果設(shè)定控制點，生成人物領(lǐng)域輪廓概要模型，完成視頻圖像中人物領(lǐng)域的抽取。

本論提出了在背景相對復雜的人物領(lǐng)域檢測算法，拓寬了檢測系統(tǒng)的使用范圍，提高了檢測系統(tǒng)在實際應(yīng)用中的可靠性。提出基于高斯函數(shù)處理輪廓概要模型生成具有魯棒性的對象模板，使得人物領(lǐng)域判斷具有高度柔韌性。基于Condensation預測及分析人物頭部輪廓模型的位移和擴散，提出基于當前處理結(jié)果更新人物輪廓模型，進一步提高了檢測精度。
參考文獻
[1] 羅嘉, 韋志輝. 基于幾何活動輪廓模型的目標跟蹤與快速運動估計[J]. 中國圖像圖形學報, 2009,14(7): 1361-1368.
[2] MAKOTO M, MASAHIDE Y, KATSUHIKO S. Extraction of human face and transformable region by facial expression based on extended labeled graph matching[J]. Electronics and Communications in Japan, 2013,87(10):35-43.
[3] 高頌,李富棟. 圖像邊緣提取的區(qū)域聯(lián)合分割與主動輪廓模型[J]. 激光與紅外, 2013,43(1):94-97.
[4] 喬磊, 李存華, 仲兆滿,等. 基于規(guī)則的人物信息抽取算法的研究[J]. 南京師范大學學報（自然科學版）, 2012,35(4):134-139.
[5] 潘改, 高立群, 趙爽. 基于局部熵的主動輪廓模型[J].中國圖象圖形學報, 2013,18(1):78-85.
[6] 顧裕豐,劉國棟.一種復雜場景下的運動目標跟蹤算法[J].電子技術(shù)應(yīng)用[J]. 2012,38(1):122-124, 127.
[7] 朱洪錦，范洪輝，陳興瑞，等. 基于局部自我相關(guān)函數(shù)光線照明變化下的人臉檢測[J]. 山東大學學報:工學版,2012,42(5):36-40.
[8] 李昌盛，王亞娟，黃啟俊，等. 基于FPGA的人臉檢測系統(tǒng)設(shè)計[J]. 電子技術(shù)應(yīng)用, 2011,37(10):13-16.

原創(chuàng)聲明：此內(nèi)容為AET網(wǎng)站原創(chuàng)，未經(jīng)授權(quán)禁止轉(zhuǎn)載。

相關(guān)內(nèi)容