多目标优化人体运动跟踪方法

摘要

本发明公开了一种多目标优化的人体运动跟踪方法，它涉及计算机视觉领域，用于人体运动跟踪和姿态估计。其过程为：(1)建立人体骨架模型；(2)预处理视频图像；(3)初始化；(4)构建相似度函数；(5)优化目标函数；(6)选择人体最佳运动姿态。该方法具有不受学数据库的限制，可以适用普遍的视频的优点，采用了两个相似度函数，可以更好的利用视频图像信息，同时多目标进化算法的非支配邻域免疫算法，较之现有的单目标优化人体跟踪方法可以避免陷入局部最优，提高了人体运动跟踪的精确度。

主权项

一种多目标优化人体运动跟踪方法，包括如下步骤：(1)建立人体骨架模型；(2)预处理视频图像2a)输入人体视频图像，通过背景差分获得人体侧影，提取人体轮廓，对人体轮廓进行细化处理形成人体骨架线；2b)在人体骨架线上沿骨架线搜索得到头、根、膝、脚节点坐标位置，使用粒子滤波预测检测出其余的人体关节点坐标位置；2c)在人体侧影图像上使用sobel算子得到图像的灰度值；(3)初始化3a)对步骤2b)得到的初始时刻视频图像关节点位置进行手工标定，得到初始时刻的人体骨架模型；3b)t‑1时刻跟踪得到的人体姿态将作为t时刻的初始化人体骨架模型(t＞0)；(4)构建相似度函数4a)将初始化的人体骨架模型投影到二维图像空间得到每个关节点的坐标位置；4b)分别建立投影关节点与检测关节点的距离相似度函数和灰度相似度函数；(5)优化目标函数利用非支配邻域免疫算法，对距离相似度函数和灰度相似度函数进行优化，获得k时刻所有可能的人体运动姿态；(6)选择人体最佳运动姿态。对所有可能人体运动姿态与t‑1时刻跟踪到的人体最佳运动姿态做差，选择出差异最小的姿态作为t时刻跟踪到的人体最佳运动姿态。