灰度值的反映,它可以表述为一种向量模式,如果物体发生运动,随着位置的变化,物体获得的光照条件也改变,本身的灰度向量也会变化,根据上述内容就可以对图像进行分析,获取到关于目标的运动信息。优点在于对外界背景环境不敏感,有较好的适应性。但是这种方法采用多次的迭代求解计算,耗时长且抗造性能较差。Р以上是常用的目标检测方法,基于此还有很多改进的方法。如采用三帧或五帧差分,或者是根据应用场合建立逼近实际环境的背景模型,如单高斯模型和混合高斯模型的采用[9]。Р1.2.2 目标分类识别分割出来的运动区域可能对应于不同的运动目标,由于是要对运动的人体目标Р加以检测跟踪,所以必须将运动人体从前景运动物体中识别出来,这样才有利于进Р行下一步的工作。主要有以下几种分类方法Р(1)基于人体特征的分类方法Р①基于形状特征的分类识别可以通过目标区域本身的宽高比和面积比来进行。现实生活中我们发现一般人体的“宽高比”固定在一个范围之内,并且明显跟其他物体有区别,因此可以利用这个“宽高比”作为人体特有的特征来判别检测出的运动物体是否为人体。此外这个形状特征也可以是人体目标区域的“面积”,它指的是在得到的二值化差分图像中目标区域所占整体像素的多少,通过面积的比较,去除一般情况下面积明显区别于人体的其他物体,如运动的汽车、动物等,甚至可以去除部分噪声的影响。②人体肤色各异,所以可以通过识别人脸裸露的皮肤来确定是否有人的存在,一般选择利用RGB、HSV或其他色彩空间来进行检测与识别。Р(2)基于运动特性的分类方法该方法是利用人体处在稳定的运动状态中,如徒步行走或匀速奔跑时,在上述Р过程中呈现出的人体姿态的周期性变化这一特性来识别人体的存在。将这一特性在时间轴上进行训练统计,就可以把运动人体从其他运动目标中识别出来。Р可以根据需要结合使用不同方法,或在实际应用中发现利用一些特殊参数,以使得到的分类识别结果更加准确。
全文预览
