没有合适的资源?快使用搜索试试~ 我知道了~
基于MATLAB的人体姿态的检测课程设计.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 88 浏览量
2021-09-14
21:00:54
上传
评论
收藏 491KB PDF 举报
温馨提示
试读
11页
。。。
资源推荐
资源详情
资源评论
山东建筑大学信电学院课程设计说明书
基于视频的人体姿态检测
一、 设计目的和要求
1。根据已知要求分析视频监控中行人站立和躺卧姿态检测的处理流程,确定视频
监中行人的检测设计的方法,画出流程图,编写实现程序,并进行调试,录制实验视频,
验证检测方法的有效性,完成系统软件设计。
2。基本教学要求:每人一台计算机,计算安装 matlab、visio 等软件.
二、 设计原理
2。1 图像分割中运动的运用(运动目标检测)
首先利用统计的方法得到背景模型,并实时地对背景模型进行更新以适应光线变化
和场景本身的变化,用形态学方法和检测连通域面积进行后处理,消除噪声和背景扰动
带来的影响,在 HSV 色度空间下检测阴影,得到准确的运动目标。
噪声的影响 ,会使检测结果中出现一些本身背景的区域像素点被检测成运动区域 ,
也可能是运动目标内的部分区域被漏检.另外,背景的扰动,如树枝、树叶的轻微摇动,
会使这部分也被误判断为运动目标,为了消除这些影响,首先对上一步的检测结果用形
态学的方法进行处理,在找出经过形态学处理的后的连通域,计算每个连通域中的面积,
对于面积小于一定值的区域,将其抛弃,不看做是前景运动目标.
2.2 bwlabel 函数
用法:L = bwlabel(BW,n)
[L,num] = bwlabel(BW,n),这里 num 返回的就是 BW 中连通区域的个数。
返回一个和 BW 大小相同的 L 矩阵,包含了标记了 BW 中每个连通区域的类别标签,
这些标签的值为 1、2、num(连通区域的个数).n 的值为 4 或 8,表示是按 4 连通寻找
区域,还是 8 连通寻找,默认为 8.
四连通或八连通是图像处理里的基本感念:8 连通,是说一个像素,如果和其他像素
在上、下、左、右、左上角、左下角、右上角或右下角连接着,则认为他们是联通的;4
连通是指,如果像素的位置在其他像素相邻的上、下、左或右,则认为他们是连接着的,
连通的,在左上角、左下角、右上角或右下角连接,则不认为他们连通。
2。3 regionprops 统计被标记的区域的面积分布,显示区域总数
函数 regionprops 语法规则为:STATS = regionprops(L,properties)
该函数用来测量标注矩阵 L 中每一个标注区域的一系列属性。L 中不同的正整数元
1
山东建筑大学信电学院课程设计说明书
素对应不同的区域,例如:L 中等于整数 1 的元素对应区域 1;L 中等于整数 2 的元素
对应区域 2;以此类推。返回值 STATS 是一个 长度为 max(L(:))的结构数组,结构
数组的相应域定义了每一个区域相应属性下的度量。
Properties 可以是由逗号分割的字符串列表、包含字符 串的单元数组、单个字符
串’all'或者’basic'.如果 properties 等于字符串'all’,则表 4。1 中的度量数据都
将被计算;如果 properties 等于字符串’basic’,则属性:’Area’,'Centroid'和’
BoundingBox'将被计算.
’Area’—- 图像各个区域中像素总个数'BoundingBox’ -- 包含相应区域的最
小矩形
’Orientation' 与区域具有相同标准二阶中心矩的椭圆的长轴与 x 轴的交角(度)
三、 设计内容
3。1 理论依据
3.1.1 应用背景与意义
随着监控系统到位,以帮助人们甚至完成监控任务.可以减少人力和财力的投入,由
于就业监视人员进行.另外,如果长时间不运动图像信息记录,保存几下,就失去了意
义和视频监控系统的存储资源浪费存储空间。因此,传统的监视系统浪费了大量的人力,
并有可能引起报警,性能差的实时监控的泄漏。监控等实时行为分析系统来识别人体,
不仅可以替代监控人员的工作的一部分 ,提高监测系统的自动化水平 ,同时也提高监视
存储的效率,还有一个广泛的应用,并在视频监视系统的潜在经济价值之前。由于人的
行为具有自由的伟大程度,因为身体宽松长裙不同程度和它的外貌和从图像捕获设备位
置不同距离的表现风格将是一个很大的分歧,这是人的行为分析,找出了一定的难度。
但是,人类行为的实时分析,智能监控系统,以确定关键技术及其广阔的前景药,安全
性,虚拟现实,军事和潜在的经济价值,国内外研究机构和学者越来越多的关注,并在许
多全球领先的刊物和会议专题讨论。美国和欧洲都进行了一些相关的研究项目。
3.1.2 运动分割算法
首先利用统计的方法得到背景模型,并实时地对背景模型进行更新以适应光线变化
和场景本身的变化,用形态学方法和检测连通域面积进行后处理,消除噪声和背景扰动
带来的影响,在 HSV 色度空间下检测阴影,得到准确的运动目标.
本次采用了基于累积差分和数学形态学处理的运动区域提取算法。在时域窗口内,
2
山东建筑大学信电学院课程设计说明书
首先对图象进行降级处理得到灰度带图象,对灰度带差分图象累积并进行数学形态学处
理得到运动目标的轨迹模版,将轨迹模版与当前帧差分图象与运算得到当前帧运动目标
象素,最后进行多级数学形态学处理得到当前帧运动区域。实验结果表明,该算法不仅
能够对静止背景序列运动区域有较好的分割结果,而且在没有进行全局运动补偿的情况
下,对部分运动背景序列也能成功的提取出运动区域。
3。1。3 研究人体姿态的特征描述
’BoundingBox’ —- 包含相应区域的最小矩形
'Orientation’ 与区域具有相同标准二阶中心矩的椭圆的长轴与 x 轴的交角(度)
3.2 方案设计
根据设计要求确定视频监控中行人分割和人体姿态识别的方法 ,选择确定运动目标
检测、行人人体姿态特征信息提取实现方法。画出流程图见附录 2 并对各部分功能进行
说明。
(1)判断是否为人体
在目标提取之前,首先要对输入的图片进行检测。本文通过连通域的面积来检测判
断目标是否为人体。
(2)人体目标提取
如果是人体导入背景图片与背景图片做差 ,再通过背景差阈值分割法进行提取。
(4)行为识别
在解决了以上的问题之后 ,接下来就是要选择一种合适的算法来进行人体姿态识别 ,
这也是本文研究的重点和难点。本文采用人体目标的连通区域的长宽比例和方向角的方
法来对人体行为进行识别。
3。3 程序设计
根据设计要求确定视频中行人检测和人体姿态特征信息提取方法,进行程序设计,
编写实现程序,使用 matlab 等软件。
3。3。1 图像分割中运动的运用(运动目标检测)
运动目标检测首先利用统计的方法得到背景模型 ,并实时地对背景模型进行更新以
适应光线变化和场景本身的变化,用形态学方法和检测连通域面积进行后处理,消除噪
声和背景扰动带来的影响,在 HSV 色度空间下检测阴影,得到准确的运动目标。
该段程序读取了视频从 100 帧到 400 帧的图像。先对导入视频采用近似中值滤波背
3
剩余10页未读,继续阅读
资源评论
苦茶子12138
- 粉丝: 1w+
- 资源: 6万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 论文(最终)_20240430235101.pdf
- 基于python编写的Keras深度学习框架开发,利用卷积神经网络CNN,快速识别图片并进行分类
- 最全空间计量实证方法(空间杜宾模型和检验以及结果解释文档).txt
- 5uonly.apk
- 蓝桥杯Python组的历年真题
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 2023-04-06-项目笔记 - 第一百十九阶段 - 4.4.2.117全局变量的作用域-117 -2024.04.30
- 前端开发技术实验报告:内含4四实验&实验报告
- Highlight Plus v20.0.1
- 林周瑜-论文.docx
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功