基于MATLAB的人體姿態(tài)的檢測(cè)課程設(shè)計(jì)報(bào)告書

ord格式.基于視頻的人體姿態(tài)檢測(cè)一設(shè)計(jì)目和求1.根據(jù)知要求析頻監(jiān)中行人站立躺姿態(tài)檢測(cè)的處理流程，確定頻監(jiān)中行人的檢測(cè)設(shè)計(jì)方畫出程編寫實(shí)現(xiàn)程進(jìn)行調(diào)錄制實(shí)驗(yàn)視頻，驗(yàn)證測(cè)方的有成系統(tǒng)軟件設(shè)2.基本教要求每人一計(jì)算機(jī)，計(jì)算安裝matlab等軟件。二設(shè)原2.1圖分割運(yùn)動(dòng)的運(yùn)用（運(yùn)動(dòng)標(biāo)檢首先利用統(tǒng)計(jì)的方法得到背景模型，并實(shí)地對(duì)背景模型進(jìn)行更以適應(yīng)光線變化和景身的變用形態(tài)學(xué)方法和測(cè)連域積行處理，消除噪聲背擾動(dòng)帶來(lái)的影，在HSV色度空間下檢陰影得到準(zhǔn)的運(yùn)目標(biāo)的檢測(cè)的檢區(qū)域，也能是運(yùn)動(dòng)目?jī)?nèi)的部分區(qū)被漏。另外背景的擾動(dòng)如樹(shù)枝葉的輕微搖會(huì)使這部分被誤判斷為動(dòng)目標(biāo)了除些影首先對(duì)上一檢測(cè)結(jié)果形態(tài)的方法進(jìn)行處理，在找出經(jīng)過(guò)形態(tài)處理后連通域計(jì)算每連通域的面，對(duì)面積一定的區(qū)將其拋，不看是景運(yùn)動(dòng)目2.2函用法L，這里num返回的就BW中通區(qū)的個(gè)返回一和大小相同的矩陣包含了標(biāo)了中每個(gè)連通區(qū)域類別標(biāo)簽，這些標(biāo)的為1、2（連通域的個(gè)）。n的值或，表示按4連通找域還是8連尋找，默認(rèn)為。.

專資料.學(xué)參考o(jì)rd格式.四通八通圖處理里的基本感：8連通是一個(gè)素如果其像素在下、、右左上左下角、右上角或右下角連接著則認(rèn)他聯(lián)通的連指，如像素位他素的上下、或右則認(rèn)為們是接著，，在左上、左下、右上角或右下角，則不認(rèn)為他。2.3計(jì)被標(biāo)記的區(qū)域的面積分布顯示區(qū)域總數(shù)函數(shù)語(yǔ)法規(guī)則為regionprops(L,properties)該函數(shù)用來(lái)測(cè)量標(biāo)注矩陣中一個(gè)標(biāo)注域的一系列屬性。L中不的正整數(shù)元素對(duì)應(yīng)不的區(qū)域例如：L等于整數(shù)元素對(duì)應(yīng)域1；L中等于數(shù)2元素對(duì)應(yīng)區(qū)域；以此類推。返回值是個(gè)長(zhǎng)度為max(L(:))的結(jié)構(gòu)組結(jié)構(gòu)組的相域義每個(gè)域應(yīng)性度量可是由逗號(hào)分割的字符串列表、包含符串的單單個(gè)字符串'或者。如果等于符串'all'，則4.1中的度量據(jù)都被計(jì)算；如果等于字串，則屬性：'Area'，'Centroid''BoundingBox'將被計(jì)算。'Area'—像各個(gè)區(qū)域像素總個(gè)數(shù)'BoundingBox'包的最'Orientation'與區(qū)域具有同標(biāo)準(zhǔn)二階中心矩的橢的長(zhǎng)軸與x軸的交角度）三、設(shè)計(jì)3.1論3.1.1用背景與意的投入，由于就業(yè)監(jiān)視人進(jìn)行另外，果時(shí)不運(yùn)圖信息記，保存幾下，失去意和頻控系統(tǒng)的存儲(chǔ)資源浪費(fèi)存空。因此統(tǒng)的監(jiān)視系浪費(fèi)了.

專資料.學(xué)參考o(jì)rd格式.大量的人力，警，的實(shí)監(jiān)控泄。監(jiān)控等實(shí)時(shí)為分析系統(tǒng)來(lái)識(shí)別人體不可替監(jiān)人員的工的一部分高監(jiān)測(cè)統(tǒng)自動(dòng)化水平，同時(shí)也提視存儲(chǔ)效率還有一個(gè)廣應(yīng)用并在視視潛在經(jīng)濟(jì)價(jià)之于人的行為有自由的偉大程因身寬松長(zhǎng)裙不同程度和的外貌和從圖像捕獲設(shè)備位置同距表現(xiàn)將是一個(gè)很歧這是人的行為分析找出一定難度是人類行為的實(shí)時(shí)分，智統(tǒng)確定鍵技術(shù)及其廣闊的前藥全，虛擬，軍事和潛的經(jīng)濟(jì)值內(nèi)外研究構(gòu)和學(xué)者越多的關(guān)注在許全領(lǐng)先刊物和會(huì)議題討論。美和歐洲進(jìn)了一些相關(guān)的研究項(xiàng)3.1.2動(dòng)分算首先利用計(jì)的方得到背景模型，地對(duì)背景模型進(jìn)更新適應(yīng)光線變化和景身的變用形態(tài)方法和檢測(cè)連通域面積進(jìn)后處理，消除噪聲背擾動(dòng)帶來(lái)影，在HSV色度空間下檢測(cè)影得到準(zhǔn)的運(yùn)目標(biāo)差學(xué)學(xué)的時(shí)口內(nèi)，首對(duì)象進(jìn)降級(jí)處理得到灰度帶圖對(duì)灰度帶分圖象積并進(jìn)行數(shù)學(xué)形態(tài)學(xué)處理到運(yùn)目標(biāo)的軌模版，軌跡版與當(dāng)幀差分圖象運(yùn)算得當(dāng)前幀運(yùn)動(dòng)目標(biāo)象素最后進(jìn)行多級(jí)形態(tài)學(xué)處理得當(dāng)前幀運(yùn)動(dòng)區(qū)。驗(yàn)結(jié)表該算法夠?qū)o背景列動(dòng)區(qū)有較好的割結(jié)果而且在沒(méi)有進(jìn)行全局運(yùn)動(dòng)補(bǔ)償情況，對(duì)部分運(yùn)動(dòng)背景序列也成功的提取運(yùn)區(qū)3.1.3究人體姿態(tài)的特征描述'BoundingBox'包的最'Orientation'與域具有相同標(biāo)準(zhǔn)二階中心矩的橢圓的長(zhǎng)軸與x軸交角（度）3.2案.

專資料.學(xué)參考o(jì)rd格式.法選確運(yùn)動(dòng)目標(biāo)檢測(cè)行人信提實(shí)方法畫出流程圖見(jiàn)錄并對(duì)各部功能進(jìn)行說(shuō)明（1）判斷否人體標(biāo)提取，先對(duì)輸入圖片進(jìn)檢。本通過(guò)域的面檢判斷是否（2）人目標(biāo)取景差背值進(jìn)。（4）別在解決了以上的問(wèn)題之后，接下來(lái)是要選擇一種合適的算法來(lái)進(jìn)行人體姿態(tài)識(shí)別，這也是本文研究的重點(diǎn)和難點(diǎn)。本文采用人目的通區(qū)域的長(zhǎng)寬比例方向角的來(lái)人行進(jìn)行3.3序計(jì)根據(jù)設(shè)計(jì)要求確視頻中行人檢測(cè)人體姿態(tài)特征信提取方法進(jìn)程設(shè)計(jì)，實(shí)現(xiàn)程用mat。3.3.1像分割中運(yùn)動(dòng)的運(yùn)用（運(yùn)動(dòng)目標(biāo)檢運(yùn)動(dòng)標(biāo)檢測(cè)首先利用統(tǒng)計(jì)的法得到背景模型并實(shí)時(shí)地對(duì)模型更新適應(yīng)光變化和場(chǎng)景本身的變化，形態(tài)學(xué)處理消除噪聲和背景擾動(dòng)帶來(lái)的影在色度空間檢測(cè)陰，得到準(zhǔn)確的運(yùn)動(dòng)目標(biāo)該段序讀了視幀幀的圖。先對(duì)導(dǎo)采濾背景模型考圖像實(shí)現(xiàn)運(yùn)目標(biāo)，然創(chuàng)建長(zhǎng)為的方形構(gòu)元用于分割結(jié)形態(tài)濾波原頻近似中值濾波后視頻及采用形態(tài)濾波后的視頻圖3.3.1—1所示.

專資料.學(xué)參考o(jì)rd格式.圖視頻、近似值濾波后的視頻及用態(tài)濾后結(jié)果videoObjVideoReader('gyz.avi');本程序使了函數(shù)，該函數(shù)用于讀取視文件對(duì)。函數(shù)調(diào)用：=obj=VideoReader(filename,Name,Value)其中為結(jié)體包括如成員：-視頻件名Path-視頻文件路徑-視頻的總時(shí)長(zhǎng)秒）FrameRate-視頻幀速（幀/）NumberOfFrames視頻的總數(shù)Height-視頻幀高度Width-視頻幀的寬度=本程序通過(guò)創(chuàng)建方形結(jié)構(gòu)元，用對(duì)分割結(jié)果態(tài)學(xué)濾波=>0);=+.

專資料.學(xué)參考o(jì)rd格式.pixDec=<0);Dec)=fmed(pix-背景差分法別名背景減法，景差理是圖像像進(jìn)差，這標(biāo)是目前運(yùn)動(dòng)割中最常用的一方。但需要構(gòu)建一幅背景圖，幅景圖必須含要檢測(cè)的目標(biāo)其他需要檢測(cè)目，并且應(yīng)不斷的更分辨當(dāng)?shù)淖冞\(yùn)用閾值法原理進(jìn)行分割，閾值法比較簡(jiǎn)單法是一常用并行技術(shù)。值是用運(yùn)在區(qū)分目標(biāo)圖片和景圖片的灰門。如果要檢測(cè)只有目標(biāo)和背景兩，那么只要一個(gè)值這種稱為單閾值分割這每個(gè)像素中的灰度值與閾值對(duì)，灰值大于值的算一種，灰度值小于值的為另一種如果圖像中存在個(gè)檢目或無(wú)目標(biāo)那么就多個(gè)閾值將每個(gè)及開(kāi)方法稱為閾割閾，由于本人只有一個(gè)目標(biāo)則采用單閾值。fg2=imopen(fg,se);fg2=imclose(fg2,se);對(duì)分割結(jié)果行形態(tài)學(xué)濾波先進(jìn)了開(kāi)操作再進(jìn)行閉操作開(kāi)操作是一使對(duì)象的輪廓得光滑，開(kāi)狹窄的間斷和消除細(xì)的突出物。閉操作使輪線更光，但開(kāi)操相是，閉操作通消彌窄的間斷長(zhǎng)細(xì)的鴻溝消除小的空洞并填補(bǔ)輪廓斷。3.3.2用函數(shù)對(duì)連通域進(jìn)行標(biāo)并得到最大連通域[L,num]=bwlabel(fg2,4);%連通域進(jìn)行標(biāo)記num=6函的法=bwlabel(BW,n)bwlabel(BW,n)這里num返就是中連通域的個(gè).

專資料.學(xué)參考o(jì)rd格式.返一個(gè)BW大小相同的矩陣包含了標(biāo)記了BW中個(gè)連通區(qū)域的別標(biāo)簽，這些標(biāo)的為1、2（連通域個(gè)數(shù)。n的值為或，表示按4連通找域還是8連尋找，默認(rèn)為。本序用是4連通。四連或連是像理的本念8連通是說(shuō)一個(gè)像素如果和他素在下、、右左上左下角、右上角或右角連接著，認(rèn)他是通的；連，如的位置在其他像素相下、左右，則認(rèn)為他是連接著的連通，在左上、左下、右上角或右角連，則不認(rèn)他們連。allimg_reg.Area];%求出6個(gè)連域的像個(gè)數(shù)[d,ind]=max到面積最大的連通域本段bwlabel函數(shù)是對(duì)連通域進(jìn)行標(biāo)號(hào)標(biāo)完號(hào)后利用Area”屬性參數(shù)找到面積最大的連通域這個(gè)連通域即為視頻中的人3.3.3函數(shù)的和orientation的閾值分別檢測(cè)視頻中人體的站和躺臥兩種姿勢(shì)or函數(shù)語(yǔ)法規(guī)則為regionprops(L,properties)該函數(shù)用來(lái)測(cè)量標(biāo)注矩陣L中一個(gè)標(biāo)注區(qū)域的一系列屬L中不同的正整數(shù)元素對(duì)應(yīng)同的區(qū)例如L中等于整1的元對(duì)區(qū)1；L等于整數(shù)2的元素對(duì)應(yīng)區(qū)域；以此類推。返回值一個(gè)長(zhǎng)度(L(:))的構(gòu)組結(jié)構(gòu)組相域義每個(gè)區(qū)域相屬性下度量可以是由逗號(hào)分割的字符串表包含字串的單元組單個(gè)字符串'或者。如果于符，則表4.1中果properties'Centroid'和BoundingBox'將被算.

專資料.學(xué)參考o(jì)rd格式.bocat(1,img_reg.BoundingBox);：用來(lái)聯(lián)數(shù)組用法：C=cat(dim,C=

按來(lái)結(jié)和組按聯(lián)結(jié)所有入的組。Boundingbox用來(lái)表包含相應(yīng)區(qū)域的最小矩形它四個(gè)參分別為[x,y,width,height]。根據(jù)函數(shù)的和的參數(shù)，我們可以獲得每一幀的圖像的長(zhǎng)寬比和方向角的數(shù)后跟據(jù)這些數(shù)據(jù)來(lái)判斷人體立和躺臥來(lái)設(shè)長(zhǎng)寬和方向角范，通過(guò)多次比對(duì)與測(cè)，我認(rèn)為站立的方向從～89躺臥的方向從-3～6，站立的長(zhǎng)寬從～3臥的長(zhǎng)寬比0.5是比較適。if(or_m(n)>ori_low)&&(or_m(n)<ori_high)躺臥int2str(n)));站立,NO.',title(strcat('其他,NO.',end.

if躺臥,NO.',站立,NO.',title(strcat('其他,NO.',end專資料.學(xué)參考o(jì)rd格式.一幀的人體姿，根據(jù)該幀的數(shù)判該數(shù)處哪一的圍，就可以圖上方顯示時(shí)人體正處于姿態(tài)，從而達(dá)到預(yù)期的效，下面的片就是統(tǒng)一的考視根據(jù)所編的進(jìn)行人體檢測(cè)后所得的結(jié)果。在輸?shù)南裰幸缘襟w站時(shí)，視頻的上方會(huì)出現(xiàn)站立的，如下圖3.3.3—1所示圖對(duì)站立姿勢(shì)的斷在躺臥時(shí)，視頻的上方會(huì)出現(xiàn)躺臥”的文字，如下圖—2所示.

專資料.學(xué)參考o(jì)rd格式.圖對(duì)躺姿的斷在是立躺時(shí)視的方出現(xiàn)其他”的文字如圖所示.

圖對(duì)其他姿勢(shì)的斷3.4序試序，測(cè)試視頻為例進(jìn)行調(diào)試根結(jié)，再使用另一個(gè)視頻進(jìn)專資料.學(xué)參考o(jì)rd格式.行測(cè)試，并完程功能新視中測(cè)體立態(tài)的檢結(jié)果如圖所示圖對(duì)站立姿勢(shì)判新視中測(cè)體臥態(tài)的檢結(jié)果如圖所示.

專業(yè)料.學(xué)習(xí)考

.ord格式.圖對(duì)躺姿的斷新頻檢人其姿態(tài)的檢測(cè)結(jié)果如圖所示圖對(duì)其姿的斷通過(guò)對(duì)，視的結(jié)果本上達(dá)到預(yù)期的果說(shuō)明本次設(shè)計(jì)程序可以實(shí)現(xiàn)對(duì)人體姿態(tài)的站姿與臥姿的檢.

專資料.學(xué)參考o(jì)rd格.結(jié)論致本次課程設(shè)計(jì)是通過(guò)編程以實(shí)現(xiàn)對(duì)視頻中人體站姿與臥兩種態(tài)的檢測(cè)，它的應(yīng)用實(shí)際生中有很的意義價(jià)通過(guò)這課程計(jì)我脫了單純的理論知狀態(tài)鍛了我的綜合用專業(yè)知識(shí)的實(shí)際設(shè)計(jì)提高我閱文獻(xiàn)資料水也由課程設(shè)計(jì)這給寫論文的能力得到高盡管課程計(jì)的過(guò)很繁瑣內(nèi)容復(fù)雜，但是它我收更加富讓我對(duì)于理解和使用程序設(shè)計(jì)得了提高和加通和師溝，我也對(duì)己的計(jì)有新的要求和更深刻的了。在設(shè)過(guò)程中，程始終擾著我，尤其是label和兩個(gè)函數(shù)在這是剛以是只懂一簡(jiǎn)的指令為了做滿的果，我查閱很多相關(guān)料并且根據(jù)程序內(nèi)容進(jìn)行許多次的改寫與調(diào)試除此之外還經(jīng)常教老幫解決題老師也很耐心的解決了我的問(wèn)題我設(shè)計(jì)指導(dǎo)的問(wèn)題以解決這讓我意識(shí)到不管什么時(shí)候，我們都必須學(xué)與人通正.

專業(yè)料.學(xué)習(xí)考

.ord格式.驗(yàn)相識(shí)，我在的工中表現(xiàn)較高彈性，更理解溝通。在最后我分感指導(dǎo)師的心指與講我有巨大進(jìn)。參考獻(xiàn)羅萬(wàn)于目視覺(jué)人體運(yùn)姿態(tài)捕捉研究與現(xiàn)北京通大學(xué)陳碩.基于視頻序列的人體態(tài)檢測(cè)與估計(jì)系統(tǒng)南大學(xué)楊丹,趙海濱龍等像理實(shí)詳解清華學(xué)出版社.

專資料.學(xué)參考o(jì)rd格式.New孔曉．智視控術(shù)究：海通學(xué)美模類北京機(jī)工業(yè)版，薩斯數(shù)像理中文北工出版社常好．運(yùn)動(dòng)行人檢測(cè)與方究陜西：西業(yè)學(xué)章毓．圖分．北:出社.

專資料.學(xué)參考o(jì)rd格式.附錄%ApproximateMedianFilterbackgroundforobjectsegmentation.%采用近似值濾波背景模參考圖像實(shí)現(xiàn)運(yùn)動(dòng)目標(biāo)分割clearclose%Constructvideoreaderclasstoreadfile,first'car_parking.avi',%the‘highwayII_raw.avi'.videoObjVideoReader('gyz.avi');numFrames=videoObj.NumberOfFrames;%GetthespeedmovieframessecondFPS=videoObj.FrameRate;%theframeinvideosequencevaluenewframeread(videoObj,1);fmed=double(newframe);%Gettheheight,width,numberofcolorcomponentsofframe[height,width,numColor]=size(newframe);%AssignavaluetotheThrehbetafg=false(height,width);ors_low=82;ors_high=89;ori_high=6;.

專業(yè)料.學(xué)習(xí)考

.ord格式.%建形構(gòu)元素用于分結(jié)形學(xué)波=%Toavoidconsumingmuchonetime.for==n);%theimagebetweenthenewframeand=%Updateeach=>0);=+pixDec=<0);=-beta;%Motionobjectbyfg=if(numColor==3)%colorimagefg=fg(:,:,1)|:,2)|:,3);%分結(jié)進(jìn)形學(xué)波.

專業(yè)料.學(xué)習(xí)考

.ord格式.==title(strcat('CurrentImage,N