ＳＹＳ ＰＲＡＣＴＩＣＥ 系统实践 面向视频监控的人体跟踪研究与实现 ◆范玉宪张江鑫陈林 摘要：视频监控中的人体跟踪主要应用于客流统计和区域入侵检测等多个方面。为解决视 频监控中人体跟踪实时性要求高和背景对人体跟踪影响大的问题。本文提出了一种面向视频监 控的人体跟踪方法，首先利用卡尔曼滤波对人体运动的趋势进行预测，在预测位置的附近利用 ｍｅａｎｓｈｉ￣算法对人体进行定位，其次再利用卡尔曼滤波对人体位置进行纠正。实验结果表明，本 文提出的改进算法相比于ｍｅａｎｓｈｉ￣算法，能较好地克服因人体形状不规则造成的背景干扰影响， 在人体跟踪的准确性和鲁棒性上都有一定的提高。 关键词：视频监控；人体跟踪；ｍｅａｎｓｈｉ￣算法；卡尔曼滤波 引言 目前视频监控已经广泛应用在各行各业，给人们生 二、基于ｍｅａｎｓｈ 人体跟踪算法的改进 ２．１更新跟踪人体模板。由于视频监控中人体目标运 动的不确定性，当人体在远离或者接近摄像头时，经典 ｍｅａｎｓｈｉｌｆ算法不能随着人体大小的改变而自适应调整跟踪目 标的大小。文献［１］通过增减窗口宽度和高度１０％的尺度选取 最优的跟踪目标的大小，但面对一些极值的情况下仍然会失 效。 活带来了极大的便利，但因其应用场合复杂多变，监控对 象多种多样，视频监控中对于运动物体的跟踪一直是热门 的研究方向。针对于视频监控中目标跟踪面临的问题， ｍｅａｎｓｈｉｆｔ算法是对目标颜色特征的最大概率密度估计，具 有计算量小，鲁棒性好，当目标发生非刚性变化时仍然能 够进行有效的跟踪，因此广泛应用于视频监控中运动物体 的跟踪。 本文在基于核函数的ｍｅａｎｓｈｉｆ算法基础上加入了自适应 人体大小的模板更新方法。在获取人体后，在ＨＳＶ颜色空间 并统计人体Ｈ分量的颜色直方图ｈｉｓｔ，并且根映射出目标颜色 概率分布的投影图，根据投影图计算目标的大小。在计算出 跟踪目标区域后，对下一帧目标进行跟踪时，对于基于核函 Ｃｏｍａｎｉｃｉｕ提出了一种基于核函数的ｍｅａｎｓｈｉｆｔ算法，通 过核函数对目标不同位置的颜色概率密度加权，可以较好地 克服目标边缘的背景干扰，但由于视频监控中运动目标的随 机性，运动目标会发生形变，该算法缺少必要的适应机制。 因此本文针对于视频监控的特点，基于ｍｅａｎｓｈｉｆ算法提出了 一数的ｍｅａｎｓｈｉｆ算法跟踪目标的模板进行更新，可以使核函数 的带宽随着目标形状的变化而变化，对于目标的匹配更加准 确。 种面向视频监控改进的人体跟踪方法并基￣ｏｐｅｎｃｖ平台实 现该算法。 一２．２预测和纠正跟踪人体位置。由于视频监控的应用场 景的复杂性，为减少环境颜色对人体目标颜色的干扰，可 对目标运动趋势经行预测，仅在预测位置的附近采用改进 、经典ｍｅａｎｓｈｉｆｔ算法的分析 Ｍｅａｎｓｈｉｆ算法基本原理是对跟踪目标的特征进行统计得 ｍｅａｎｓｈｉｆｔ算法确定人体目标的位置，可以达到减少计算量， 增加视频监控实时性的目的。 卡尔曼滤波是在最小均方误差准则下的线性系统的最优 到其概率密度在空间中的分布情况，在以目标起始位置为中 心，目标宽度为半径的范围内对相对于中心的偏移向量值加 权相加，得到一个均值漂移向量，以向量为中心重新计算漂 移向量，经过不断的迭代，直到寻找到跟踪目标颜色概率密 度最大的位置。算法主要包括三个主要部分。 颅洲Ｆ一帧纠标似 （１）构建跟踪目标模板。利用跟踪目标的颜色特征，在跟 踪目标中心位置处利用核函数对于距离目标中心不同距离像 素点的颜色特征加权后统计目标的颜色特征概率密度，建立 跟踪的模板 次提墩人 ＝＝：——一／ ＼— Ｎ 山 Ｙ （２）构建候选目标的模板。在目标可能出现的候选区 域，建立起候选的模板，构建的方式与跟踪相同。 （３）衡量模板相似性。跟踪目标的模板和候选目标的模板 之间相似性采用Ｂｈａｔｔａｃｈａｒｒｙａ系数来衡量，系数越大表明两 ————— —— 一 个模板之间的相似性越大。当Ｂｈａｔｔａｃｈａｒｒｙａ系数最大时，即 可得到颜色概率密度最大的位置。 ３８ 信息系统工程ｌ ２０１５．３．２０ 校 人体仳 图１整体流程图 ＳＹＳ ＰＲＡＣＴＩＣＥ 系统实践 估计方法，可以估计出目标基于前一时刻状态下当前时刻的 最优状态，对目标的运动趋势做出预测。利用卡尔曼滤波预 其中Ａ为系统的转移矩阵，Ｗ（ｋ）表示系统噪声，预测ｍ 下一帧人体目标位置并将预测位置附近的区域设定为预测区 域；利用式１ｏｘ，ｔ日前状态值做 最优化的估汁，＿ｊｔ ｒＯＫｇ（ｋ） 为当前状态的卡尔曼增益表达式＿女ｌ１式１ １，Ｘ（ｋｌｋ）¨前状态最 优估计，Ｈ为ｆ！Ｊ！ＩＪ量矩阵。如式（１２）Ｐ（ｋｌｋ—１）表尔住ｋ．１时刻对 测值和测量值之间之间的欧式距离对目标的运动位置进行纠 正，提高系统鲁棒性。 ２．３算法的整体流程。在基于核函数的ｍｅａｎｓｈｉｌｆ算法中增 加了更新跟踪人体模板、预测和纠正跟踪人体位置后整体流 程图如图１所示。 ｋ时刻的最优估计的协方差，表达式如式ｌ ２．Ｑ和Ｒ分别表示 系统的运动噪声和测量噪声的协疗差 、利用式ｌ３虹新ｋ状态 下Ｘ（ｋｌｋ）的协方差 三、改进算法的实现 ３．１更新跟踪人体模板的实现。对人体模板更新时需将视 频帧从ＲＧＢ空间转换￣ＩＨＳＶ空间，统计跟踪人体Ｈ分量的颜 色分布直方图ｈｉｓｔ，ｈｉｓｔ的每一个的统计区间的值如式（１）所示 Ｘ（ｋｌｋ）＝ｘ（ｋｌ ｋ—１）＋Ｋｇ（ｋ）（ｚ（ｋ－）Ｈｘ（ｋ｝ｋ一１））（１０） Ｋｇ（ｋ￣Ｐ（ｋｌｋ一１）Ｈ ／（ＨＰ（ｋｌｋ一１）Ｈ ＋Ｒ）（１１） Ｐ（ｋ Ｉｋ—１）＝ＡＰ（ｋ一１Ｉ ｋ—１）Ａ ＋Ｑ（１２１ Ｐ（ｋｌｋ）＝（Ｉ—Ｋｇ（ｋ）Ｈ）Ｐ（ｋｌ ｋ一１）（１３） ｂｕ＝∑∑６（ 一 ）（１） 卡尔曼滤波器的纠正是搜索算法得到的人体目标的位置 与卡尔曼滤波预测位置的欧式距离超过阈值后，则选用卡尔 曼滤波的预测的位置作为人体的最终位置． ．ｂｐ（ｘ￣／）＝∑∑ｂ ６［６（ ）一 ］（２） ｉ＝１ ｊ＝Ｊ 其中ｐ ｉ表示点（ｉ，Ｊ）处像素点的值，ｕ表示直方图的第 ｕｄ＇－区间，预测区域的反向投影图ｂｐ（ｘ。 ）的计算如式（２）所示其 中ｂ（ｘ ）表示在位置ｘｉｊ．＿１２像素对应的直方图第ｕ个统计区间，ｂ 表示第Ｕ个统计区间的值。 根据目标投影￣ｂｐ（ｘ ）计算出跟踪人体的矩，根据矩得 到人体区域的长和宽ｌ。，１ 其表达式如式（３），（４）。 ，．： Ｖ’／ ２ （３） ，２＿Ｊ （４） （３），（４）两式中的ａ，ｂ，ｃ通过（５），（６），（７）式 计算可得，其中Ｍ。。为原点矩为Ｍ。。，Ｍ Ｍ。 为一阶矩Ｍ：。， Ｍ０２为二阶矩。 一ｃ ｓ 蛐 ：ｃ 一 一 一ｃ ）（６ ７） 如果跟踪人体为首次出现，根据检测到人体的位置Ｐ （ｘｋ，Ｙ ）在ＲＧＢ颜色空问建立人体特征模板ｍｏｄｅｌ ｍｏｄｅｌ＝ｃ∑ （厶一、１ｌ＿ Ｌ ＩＩ ２ （、 ） 一“］（、 ，８） 其中ｂ（ｘ。）为ｘ 处的像素点第Ｕ个特征的引用值，ｈ为核 函数带宽，ｎ为人体区域的高度，Ｋ（ｘ）叶帕涅奇尼科夫核函 数，Ｃ为归一化系数，经过一定帧数以当前跟踪的人体区域 重新计算人体模板ｍｏｄｅｌ，以新的模板作为搜索的模板； ３．２卡尔曼滤波的实现。利用检测到人体目标的位置Ｐ （ｘｋ，Ｙ ）对卡尔曼滤波器的初试化，定义跟踪目标的状态 为一个四维的ｒ￣Ｎ［７］ｘ ＝（ｘ ，Ｙ ，ｖ ｖ ） 其中的ｘ ，Ｙｋ表示 人体位置的横坐标和纵坐标，ｖ ，、，ｖ表示人体的横向速度和 纵向速度。利用卡尔曼滤波的状态方程预测人体目标的下一 帧位置，式（９）为卡尔曼滤波的状态方程 Ｘ（ｋｌｋ一１） Ａ Ｘ（ｋ一１ｌｋ １）ｋ＿＋ｗ（ｋ） （９） 息系统Ｊ． ２０１５．３ ２（） ３９ ＳＹＳ ＭＡＮＡＧＥＭＥＮＴ 系统管理 员的作用，加强对建筑工程施工过程中存在的技术问题的解 决，一旦发现技术问题要进行及时的处理，以免对后续施工 质量带来影响。此外，还应该要加强建筑工程施工过程中的 品整体质量的重要因素，在当前的发展过程中，应该要加强 建筑工程管理，针对建筑工程施工过程中存在的问题要不断 进行发现和解决，以提高建筑工程的质量，提高建筑产品的 安全性。 呐 材料质量管理，对于材料的选择、进入施工现场等都要进行 专门的质量管理和监督，保证施工材料能满足相应的规定， 努力提高建筑工程施工质量口］。 （三）提高建筑工程质量管理人员的综合能力水平。 对于建筑工程而言，加强质量管理人员的综合管理能力的提 升，加强施工技术人员的施工技术水平的提升，都是促进建 筑工程质量得以提升的重要措施。无论是设计人员、质量 参考文献 【１］王珊珊，陆继良建筑工程管理中存在的问题及其控制措施分析 卟河南科技月刊，２０１３（１３）． ［２］王涛．建筑工程管理中存在的问题及控制措施分析【『】．城市建 筑．２０１４（１７）． ［３］苏贵林．房屋建筑施工管理存在的问题及控制措施分析 建材与 装饰，２０ｔ４￣２）． 管理人员还是具体的施工人员，都应该要不断提升自身的 水平。在进行建筑工程质量过程中，对于建筑施工企业的各 种人员都要加强培训，上至建筑施工企业管理人员、下至具 体的施工人员，都应该要接受培训。在企业的发展过程中， 应该要定期对管理人员和技术人员进行培训，从具体的管理 （作者单位：宁波大学科学技术学院） 技术、施工技术、职业道德等方面着手，提高建筑工程企业 员工的综合能力水平。同时，也要积极落实不同岗位的工作 人员的责任，明确自己的责任范围以及职责，运用更多先进 的质量管理理念和技术，对建筑工程项目质量进行相应的管 理。 （四）加强建筑施工企业的质量评价和管理的创 新。建筑施工企业的质量评价和管理是进行质量评价和 管理的重要基础和保障，当前我国建筑工程施工质量评价和 管理的依旧是以行政监管为主，要加强建筑工程施工质 量评价和管理，不仅要依靠制度的约束，还要依靠制度体系 的建立。 结语 近年来，随着人们对建筑产品的需求越来越大，建筑行 业的发展变得越来越迅速，建筑工程施工质量是影响建筑产 ０ ｌｌ ｌｌＩｌ ｌｌｌ ｌ【上接３９页） 理时间均有所增加。 参考文献 ［１］Ｄｏｒｉｎ Ｃｏｍａｎｉｃｉｕ，Ｖｉｓｖａｎａｔｈａｎ Ｒａｍｅｓｈ，Ｐｅｔｅｒ Ｍｅｅｔ Ｋｅｒｎｅｌ—Ｂａｓｅｄ Ｏｂｊｅｃｔ Ｔｒａｃｋｉｎｇ［Ｊ］ＩＥ—ＥＥ Ｔｒａｎｓａｃｔｉｏｎ ｏｎ Ｐａｔｔｅｒｎ Ａｎａｌｙｓｉｓ ａｎｄ Ｍａｃｈｉｎｅ Ｉｎｔｅｌｌｉｇｅｎｃｅ，２００３，２５（５）：５６３～５７６． 五、结论 本文提出了一种基于核函数的人体跟踪方法，该方法 改进了经典ｍｅａｎｓｈｉｆ算法中模板更新问题且结合卡尔曼滤波 对人体位置进行了预测和矫正。实验表明相比较于经典的 （基金项目：浙江省级重点科技创新团队项目 （２０１２Ｒ１００１１－０１】） ｍｅａｎｓｈｉ￣算法，当实验环境与人体相似度高时，该方法具有 更好地鲁棒性，可用于入侵侦测，智能监控等领域。本方法 鲁棒性能的提高但计算量也有所增大，针对于两种衣着条件 的６种不同的姿势１２种情况进行的测试表明本方法每帧的处 （作者单位：浙江工业大学信息工程学院） 信息系统。翻呈ｉ ２０１５．３．２０ ４９
