创新设计论文模板

基于头肩矩特征的人体识别研究

姓名：XXX ，学号：XXXXXXXX ，20XX 级X 班

计算机科学与技术专业

摘要：针对传统监控系统的不足，研究了智能监控系统中活动人体目标的自动检测与识别算法。通过建立人体头肩二维模型，将头肩轮廓矩特征向量输入BP 神经网络完成人体目标的鉴别。采用人体局部轮廓形状特征而非整体特征，对解决实际应用场合中人体易受遮挡而产生属性丢失问题有较好的分类效果；采用误差反向传播(Back-Propagation ，BP)神经网络分类器建立“特征—类别”映射关系以完成人体识别。实验结果表明了本方法的有效性和较强的鲁棒性。 关键词：目标提取；不变矩；BP 神经网络；骨架模型

0引言

近年来，运动人体的视觉分析已成为计算机视觉领域中一个重要的研究方向，研究基于序列视频图像的人体检测、识别、跟踪以及行为描述与理解，在智能监控、智能接口、虚拟现实等领域有着广泛的应用前景。在视频监控系统中，传统监控模式需保安人员监视多个监视器画面，工作繁重，效率低，易漏报。

研制无人值守的目标自动检测、识别及跟踪的智能监控和报警系统，监控的有效性将得到很大提高。VSAM [1]

系统主要研究战场及普通民用场景的自动监控与理解，能实时检测和跟踪运动目标(包括人体)；Kuno 等

[2]

利用投影直方图分析目标形状，区分人体与非人体目标；Nicolaou 等[3]

利用标准矩和人工神经网络来识别

人形目标，这方面研究国内相对较少[4]

。 这些方法需要目标整体形状信息，采用统计分类器进行目标识别。对于某些实际应用如室内环境，运动人体可能会受到不同物体的遮挡而产生部分属性丢失问题，导致基于目标整体形状信息分析的方法的有效性降低甚至失效。为此，本文基于目标局部轮廓形状分析并结合BP 分类器来研究监控系统中运动人体的判别问题。

1基于头肩矩特征和BP 网络的人体识别

人体目标呈现强烈的非刚性特点和人体运动的复杂性，很难用一种模型来准确描述人体，但人体肩部及以上区域的轮廓形状基本稳定，不易受到遮挡，只是不同侧面的肩部形状有较大变化。考虑不变矩具有平移、旋转和缩放不变性，用以处理不同侧面肩部形状的变化，建立人体头部和肩部形状的二维识别模型。BP 网是一种典型的神经网络结构，在分类中有着广泛的应用。因此，用以作为分类器。

本文方法：首先，用背景差分提取运动目标；然后，建立运动人体的头肩二维模型，计算模型轮廓的不变矩形成特征向量；最后，用BP 网络分类器完成人体目标的识别，系统框图见图1。

2运动目标提取

本文利用目标的局部形状信息进行识别，要求准确地提取运动目标。为避免转化为多灰度图像后产生不可逆转的颜色信息损失，对真彩色序列图像R 、G 、B 三色分量分别差分，并对CCD 摄像头本身造成的图像

噪声进行滤波处理。差分图像由（1）式[5]

得到：

()

max ,,d Cr Br Cg Bg Cb Bb =--- （1）

),,(b g r C C C ,),,(b g r B B B 分别表示前景和背景图像的R 、G 、B 值，用中值滤波消除噪声。然后，对图像

进行二值化并检验连通性。图2(c)、(d)表示差分图像和二值图像。

3目标头肩模型的提取

由人体解剖学知，直立人体的宽高比]36.0,28.0[: Height W idth

，各部分肢体比例见图3(a)。

建立头肩模型的算法如下：

1. 计算图2(d)的目标宽高比，若为]36.0,28.0[之间，说明整个人体进入了摄像头的捕捉范围，转3；否则转2。

2. 计算图2(d)的垂直方向投影直方图，平滑处理后结

果见图3(b)。由此可得头部宽度W 。

3. 据图3(a)的比例，计算可得头肩长度H. 至此即可建

立头肩模型，见图3(c)。

(c) 差分图像 (d) 二值图像

图2运动人体目标提取

图3头肩模型及轮廓提取结果图

W

对于场景中有多个人体目标且互不遮挡的情况，用同样方法分区域处理。抽取头肩模型失败时，认为这是属于非人体的活动目标。

4头肩轮廓矩特征向量提取

采用Hu [6]

7个矩不变量],,,,,,[7654321M M M M M M M p =作为头肩模型特征向量。传统矩特征的提取由目标区域计算，复杂度正比于图像像素数，计算量大。考虑到图像轮廓反映了目标的形状信息，且轮廓的像素数远少于目标区域的像素数。因此，本文提出由轮廓计算矩特征。像素点(x,y)为轮廓时1),(=y x f ，否则0),(=y x f ，算式如下：

矩： ()∑∑∈==轮廓区域

y x q

p pq q p y x

m ,,2,1,0,,

（2）

中心矩： ∑∑∈--=

轮廓区域

y x q p

pq y y x x ,)()

(μ （3）

0010m m x = 0001m m y =

中心矩仅具有平移不变性。定义归一化中心矩： γ

μμη00pq pq =

，式中12

++=

q

p γ， 3,2,1,=q p ， （4） 归一化中心矩pq η具有缩放不变性。由归一化中心矩pq η构造旋转不变性矩即同时满足平移、缩放、旋转均不变的不变矩。据上述定义导出3≤+q p 的7个不变矩1ϕ-7ϕ如下：

()[

]()()()()[

]

()()()[

]

()()()()()()[

]

()()()()[

]

2

022121230032112302

03212123012300221703211230112032120230022062

03

2121230032103212

0321212301230123052

0321212304203212123032

1120220202

20133334333)())(3()()()3()3(4)(ηηηηηηηηηηηηηηηηϕηηηηηηηηηηηϕηηηηηηηηηηηηηηηηϕηηηηϕηηηηϕηηηϕηηϕ+-++--+-++-=+-++-+-=+-++-++-++-=+++=-+-=+-=+=

为减少矩计算工作量和便于比较，采用开方进行数据压缩，考虑到不变矩可能出现负值，实际采用的不变矩为：

73,2,1 ==

j M j

j ϕ。表1为部分目标矩不变量提取结果