文獻(xiàn)標(biāo)識碼: A
文章編號: 0258-7998(2013)11-0129-03
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(shí)現(xiàn)視頻內(nèi)容的分析與檢索是計(jì)算機(jī)視覺領(lǐng)域的研究熱點(diǎn)。在視頻圖像處理中圖像序列運(yùn)動目標(biāo)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(jī)器、圖像恢復(fù)等領(lǐng)域都具有廣泛的應(yīng)用前景。許多研究者對運(yùn)動目標(biāo)跟蹤問題進(jìn)行了深入研究,提出了基于目標(biāo)特征的跟蹤、基于模型匹配的跟蹤以及基于目標(biāo)輪廓的跟蹤等方法[1]。目標(biāo)特征的跟蹤技術(shù)需要解決復(fù)雜場景下多特征跟蹤算法的適應(yīng)性問題及實(shí)現(xiàn)有效特征的提取的連續(xù)性,基于模型匹配需要準(zhǔn)確建立視頻前后幀之間運(yùn)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(biāo)跟蹤方法,基于輪廓的方法可單純利用人物輪廓實(shí)現(xiàn)視頻中人物領(lǐng)域的抽取與追蹤,簡化其余特征計(jì)算數(shù)量及匹配難度,可實(shí)現(xiàn)視頻中多人物的連續(xù)跟蹤[3]。
基于輪廓模型的目標(biāo)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(diǎn)表示目標(biāo)的輪廓,采用目標(biāo)的邊緣作為跟蹤的特征,該方法計(jì)算效率高,實(shí)現(xiàn)手段靈活,但難以克服跟蹤過程中輪廓線拓?fù)浣Y(jié)構(gòu)改變的情況,不利于高維拓展和多目標(biāo)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(diǎn)是對輪廓的拓?fù)湫螤畹母淖內(nèi)菀卓刂?,但是?jì)算相對復(fù)雜[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(shí)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(shí)現(xiàn)攝像頭轉(zhuǎn)動或背景變動,且在背景較復(fù)雜的情況下,實(shí)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(fù)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(jìn)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(diǎn)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(yùn)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(diǎn),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(fù)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(shí)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?;贑ondensation預(yù)測及分析人物頭部輪廓模型的位移和擴(kuò)散,提出基于當(dāng)前處理結(jié)果更新人物輪廓模型,進(jìn)一步提高了檢測精度。
參考文獻(xiàn)
[1] 羅嘉, 韋志輝. 基于幾何活動輪廓模型的目標(biāo)跟蹤與快 速運(yùn)動估計(jì)[J]. 中國圖像圖形學(xué)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(xué)學(xué)報(自然科學(xué)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(xué)報, 2013,18(1):78-85.
[6] 顧裕豐,劉國棟.一種復(fù)雜場景下的運(yùn)動目標(biāo)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(xué)學(xué)報:工學(xué)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(jì)[J]. 電子技術(shù)應(yīng)用, 2011,37(10):13-16.