1、“.....万方数据万方数据绪论课题研究背景和意义国内外研究现状本文主要工作与组织安排运动目标提取与处理运动目标提取阴影去除形态学处理本章小结头肩检测的特征提取与机器学习方法方向梯度直方图特征局部二值模式特征支持向量机本章小结基于多特征融合的头肩检测样本的特征计算样本的特征计算和串行特征融合实验流程与分析本章小结基于粒子滤波的人体跟踪粒子滤波理论粒子滤波跟踪粒子滤波头肩跟踪算法实现本章小结头肩检测的移植与优化软件开发平台介绍万方数据算法的移植算法的优化本章小结总结与展望工作总结展望参考文献攻读学位期间的研究成果致谢万方数据面向实现的视频头肩检测与跟踪算法研究绪论课题研究背景和意义视觉是人类认知世界的重要途径。它具有很强的直观性......”。

2、“.....计算机视觉就是视觉信息直接体现。计算机视觉的研究目的是赋予计算机拥有对场景环境进行感知理解和处理的能力，从而代替人去完成相应的工作。智能视频监控结合了模式识别图像处理与计算机视觉等学科知识对连续的图像序列进行运动目标的检测与跟踪以及对目标行为的描述和分析。视觉人体运动分析的目的是在视频序列图像中检测识别跟踪人体，并从中得到人体的运动参数，进步地可以依据得到的运动参数进行分析，对他们的行为作出理解与描述。视觉人体运动分析包含了多个学科的知识，其涉及计算机图形学图像处理模式识别人体运动最优化理论以及概率论与数理统计等学科。然而，人体的检测与跟踪是人体运动分析的个重要研究分支。目前检测与跟踪的目标包含人体的整体和局部两个方面，其中的局部目标是腿手臂头肩人脸头部。人体运动的检测与跟踪在远程视频会议智能视频分析与监控包括人脸识别异常行人分析等多个方面以及基于内容的图像存储与检索等领域都具有广泛的应用实践和潜在的商业经济价值。然而，由于人体是非刚性目标......”。

3、“.....使得采用单的特征或模板来表征人体的检测性能不是很理想。同时，人体检测自身很难做到在视频图像中每帧都能准确检测到人体，这样在需要对检测到的人进行连续察看的情况下，便需要对人体进行跟踪。而运动人体的头肩部分，由于受人体运动的影响较小，且不易被遮挡，为运动人体的检测与跟踪提供了先决条件。国内外研究现状目前，研究人员在视频序列中目标的检测与跟踪方面做了大量而深入的分析与研究，并给出了很多有效的方法，但是由于背景的变化目标的相互遮挡等多方面原因，给研究者们的工作带来很大的困难与挑战。从提取到的运动区域中将万方数据面向实现的视频头肩检测与跟踪算法研究对应于人体头肩的部分识别出来这便是人体头肩检测的任务。由于不同的运动区域可能对应于不同的运动目标，这样会导致部分的误检，于是运动目标的正确检测与识别是非常必要的。人体头肩检测是个拥有较高的理论和应用实践价值的研究课题，随着学者们的不断深入研究，各种新颖的优秀的检测方法也不断涌现。但整体来分析主要分为两大类......”。

4、“.....第类的头肩检测方法通过定的先验知识规则来描述人体头肩，其中常见的先验知识有颜色肤色轮廓等，并按照这些规则判别个区域内是否包含人体头肩。第二类是种典型的头肩检测方法，该方法通过构造模板来进行人体头肩描述，其头肩模板包括颜色形状及其组合等多种形式。等人提出基于头部和脸部颜色进行建模的方法，首先利用混合高斯建模把运动目其中，表示的维数。由经验所得，的取值通常为之间，的取值越大，表明处理背景变化的本领越强，但对应的处理时间也会变大。初始背景帧的产生在背景建模中，初始背景帧的提取是个重要的环节，其提取的好坏对运动目标检测的准确率与进步分析有着直接的关系。模型匹配与更新高斯混合背景建模首先将当前像素值与模型中的个高斯模型分布进行匹配，若第个模型满足下式如果当前像素点与第个分布匹配成功，则结束后面模型的匹配过程。否则我们从新构造个均值为当前观测值，方差为给定个较大的值......”。

5、“.....对于匹配不成功的模型，其均值和方差不发生改变，对于匹配成功的第个模型更新公式如下,上式中参数代表着学习速率，该值描述了当前像素被背景模型吸收的速率，匹配的分布,，其余未匹配分布,。前景检测按照上文说明的模型更新方法可知，权重值较大和协方差较小的高斯分布成为背景像素的分布可能性更大。对于背景模型的具体确定，把图像中的每个像素点的个高斯分布根据值按从大到小的顺序进行排列，当满足式的前个高斯分布被会被当作背景其中，是背景模型比例阈值，代表在整个视频图像序列中背景出现的阈值。光流法前面两小节提到的运动提取方法均只适用于摄像机静止的情况，然而光流法能够检测出在摄像机运动情况下的运动目标的情况下。光流法基本思想如下当速度矢量被给予图像中的每个像素点时，这样就会得到了个运动图像矢量场。当图像中没有运动目标的情况下，也即没有相对运动情况的发生......”。

6、“.....而当图像中存在运动目标的情况下，也即运动目标和背景之间发生了相对运动，此时所形成的运动物体的速度矢量和背景的速度矢量是不相同的，根据二者的速度矢量就可以计算出运动物体在图像中的位置。光流法的前提假设物体或背景的运动影响着图像灰度分布的变化。根据上述假设，光流法的基本方程便能够很好的推导出来。设在时刻的图像点,在时刻该图像点移动到,处，当时间间隔很小时，则可以假设该图像点的灰度保持不变，得到如下表达式将上式右边用泰勒级数展开，令，取极限并略去高阶项可得到万方数据面向实现的视频头肩检测与跟踪算法研究式中，和分别为图像点在和方向的移动速度，它们构成个速度矢量。记则得到的光流方程为目前大多数光流计算方法十分复杂，抗噪能力弱，需通过或并行化计算来满足视频流的实时处理。实验结果在环境下使用语言编程，调用函数库进行实验。硬件运行环境为四核内存，视频库段文件，视频图像大小为......”。

7、“.....表三帧差分与混合高斯背景差分运动目标提取方法每帧平均处理时间抗噪抗干扰能力阴影抑制能力目标检测完整性对慢目标的检测能力三帧差分般好差差混合高斯较好差较好较好从表分析可得，三帧差分法具有较快的运行速度，并且具有较好的阴影抑制能力，但提取出的目标完整性不是很好，且对慢目标检测能力较差。而混合高斯背景差分比三帧差分要慢，且对阴影抑制能力较差，但提取目标较为完整，同时对慢目标有较好的检测能力。图为两种方法提取效果图。背景图像当前帧图像万方数据面向实现的视频头肩检测与跟踪算法研究混合高斯背景差分结果三帧差分结果图运动目标提取效果图从图可以看出，提取出的运动目标均包含大量噪声点，本文采用形态学处理来消除噪声的影响同时提取出的运动目标区域有阴影的存在，会接下来的检测与跟踪造成干扰，本文采用归化颜色信息消除运动目标的阴影。阴影去除阴影的特点当光源直接照射光线的全部或者部分被遮挡时便会形成阴影......”。

8、“.....由于上述两个阴影的特性给阴影的检测与去除带来了定的难度。阴影去除目前较为常用的阴影检测方法是基于颜色特征，其主要根据真实目标与背景，阴影与背景之间颜色特征的差别检测阴影。本文选取的是颜色空间，由下式计算得到归化的颜色模型。阴影与其所掩盖的背景像素点相比较，有如下两个特性第个特性是阴影点的红绿颜色的归化系数与其所掩盖的背景点的系数大小致第二特性是阴影点的亮度值与其所掩盖的背景点的亮度值相比偏小根据上面阴影点的特万方数据面向实现的视频头肩检测与跟踪算法研究点，采用以下条件进行阴影点判决，即且且式中，表示灰度平均值，分别表示当前图像像素点的灰度值归化分量归化分量，分别表示同位置背景像素点的灰度平均值归化分量归化分量。和称为灰度平均值参数，满足。其中参数表示阴影的强度，当阴影颜色越暗越深时，取值越小。参数表示当前阴影的像素值比背景像素值要小......”。

9、“.....图是未经阴影去除的二值化前景图像，图为阴影去除后得到的结果，阴影点判决的三个参数分别取。二值化前景阴影去除结果图阴影去除从图所示的阴影处理效果可以看出，二值化前景图中的绝大部分阴影被去除掉，但同时有少部分前景像素点也被去除掉，这样会更加突出目标的不完整性，接下来的形态学处理来解决上述问题。形态学处理数学形态学是对图像分析的种数学工具，其建立在以形态结构为基础和严谨的数学理论基础上发展而来的，它能够实现对图像的分析与识别在通过用定形态的结构元素去度量与提取出区域形状有意义的图像分量。腐蚀运算与膨胀运算是其中的两个最基本的运算。本文运用形态学方法对二值化图像处理，达到消除图像中噪声点的目的。万方数据面向实现的视频头肩检测与跟踪算法研究腐蚀假定有整数空间中的集合和，其中表示原始图像，而表示结构图像。则对的腐蚀运算记为，并定义为腐蚀的目的是对物体的边界进行消融，而结构元素的形状和图像自身等因素影响着腐蚀的结果，它能够实现对两个物体间的细小连通区域分开......”。