基于人体步态识别技术的视频监控应用研究

来源:用户上传      作者:

　　摘   要：文章以步态识别为基础，研究和总结视频监控中智能算法的共性，构建了一个方便扩展的通用基础平台，具体内容包括多运动目标检测、跟踪，步态特征提取与步态识别以及越界检测和区域保护。
　　关键词：目标跟踪;姿态检测;区域保护算法
　　1    研究背景
　　人体步态识别是一种新兴的生物特征识别技术，它就是根据人走路时的姿态对人进行身份识别、认证和行为分析等，该项技术可广泛用于智能监控、远距离身份识别、计算机人体行为分析等领域。相对于指纹识别，人脸识别，语音识别等其他生物特征识别技术有着非侵犯性和非接触性、难于隐藏和伪装、易于采集、可远距离识别等独特的优点，因此，具有重要的理论研究意义和实用价值。
　　2    实施过程
　　在智能监控系统中要对运动目标进行辨识，首先需要实现运动目标的检测，因此目标检测是最基础的算法。在实际应用中，对于一些简单且在多个目标情况不需要明辨出每个目标的异常运动的检测（如检测运动的有无，运动物体计数等），可以直接根据运动目标检测的结果进行判断。对于较为复杂的情况，例如当有多个人进入视野的时候，不仅需要检测出他们而且还要辨别出他们是人，并且还得明辨出谁是谁，不至于A犯罪了却标示成了B，因此需要设计目标辨识和目标跟踪算法。分辨出每一个目标后就可以对他们进行进一步的分析，例如对他的行为进行分析，或者增加一个特写摄像头来捕获人脸用以进行人脸识别等。最终，还可以结合所有相关的技术构成一个识别率较高的多模式智能监控系统。图1是本项目的实施步骤，箭头只表示实现的顺序。
　　3    实验原理及结果演示
　　3.1  目标检测算法
　　运动目标检测的步骤如图2所示，首先对视频序列进行灰度处理，然后建立背景模型，并对其进行更新。接着用每帧图像和背景相减当绝对差值大于阈值Th则认为是前景目标，进而得到一个包含目标和噪声的二值图像。之后对前一步所得的二值图像进行开运算以去除小噪点和断开粘连。接下来去除一些不规则区域如小面积区域、细长条等，最后检测阴影，如果存在阴影，将其去除，便可得到无干扰的目标区域。
　　3.2  目标跟踪算法
　　在本研究中，目标跟踪采用的是基于加权颜色直方图粒子滤波跟踪算法。粒子滤波算法的核心思想是利用一组带有权值的粒子近似表示某时刻目标状态的后验概率，每一个粒子代表目标的一个假设状态，用一个与目标区域一致的特定形状（圆、椭圆、矩形等）表示对应粒子的离散采样概率。
　　当粒子数足够大时，这种对目标状态的后验离散加权估计可以接近贝叶斯最優解，所以能够解决动态系统的状态估计问题。本研究还将目标的加权颜色直方图作为前景观测信息更新粒子的权值，粒子区域的颜色分布与目标颜色分布越相似，权值越大，反之越小。
　　基于加权颜色直方图粒子滤波跟踪算法能够较好地适应目标之间短暂的遮挡以及目标的随机运动，具体实现步骤如图3所示。
　　3.3  异常步态识别算法和人体识别算法
　　已经检测出来的人体区域，如果人正常行走的话，检测得到的人体区域面积会发生变化，文章用面积变化率来表示。面积变化率具体是指一段时间内面积的方差和面积均值之比。若面积变化率在正常步态范围内且高宽比满足正常行走时的比例则认为其是正常步态，否则根据高宽比来判断属于哪一种异常步态。人体识别方法及步骤如图4所示。
　　3.5  越界检测和区域保护算法
　　越界检测实现方法是，运用直线方程判断设定的警戒线和目标4个边界是否存在交点。有则认为目标越界，并进行标示。图5为越界检测的效果。红框标示的目标区域表示已经越界了。
　　4    创新点
　　（1）从设计上，本设计考虑到多模式监控系统的结构，采用了分层设计，这样更具有弹性方便扩展。
　　（2）将步态识别引入到智能监控系统中，对一些异常行为能够及时报警，且具有一定的预警的作用，有利于紧急情况的及时处理。此外，可以将步态识别和其他生物识别技术相结合以实现远距离的身份识别，这样更能保障关键场所的安全。
　　（3）用算法实现运动人体和其他运动物体的辨别，这为后续对人体身份识别等其他的处理奠定了基础。
　　（4）对于区域保护，本设计允许使用者选择任意多边形，同时在选择保护区域的时将引入魔术棒工具，方便使用者快速选取多个相似区域。
转载注明来源:https://www.xzbu.com/8/view-15150874.htm