MATLAB视频中运动目标的人体识别方法研究(3)
前文所提到的，检测方法常用的有三种：1.帧差法 2. 背景差分法 3.光流法。光流法的计算不简单，用在实时处理上不是特别合适;帧差法是对相连的两帧或者三帧进行比对，然后通过比对把所需的运动目标的信息提取出来，这种方法虽不能较好地提取出运动目标的完整性，但其对动态环境有相对较好的适应性;对于背景差分法而言，虽然能够较完整地提取目标点，但对场景的动态变化(如光照或外部条件引起的场景变化)会晓得尤为敏感。在现实中也会出现其他问题，比如遮挡造成的非连续性：由于背景可能会存在对目标的遮挡，导致目标在检测跟踪过程中会有一个消失或者部分消失时间，因此也造成了突然的非连续性，从而导致跟踪算法失效。这些这些问题都是当前视频中运动目标检测所遇到的。
1.3.2人体识别存在的问题
由于复杂的人体结构以及非刚性运动，具体体现在人身上具有很多关节，运动因此也具有多样性，然后本身各个体存在身形的差异，以及个人的不同运动习惯，使得每个人对相同动作的表现各异，也就增加了识别的难度。例如摄像机的观测噪声、3-D场景到2-D场景转换的数据信息损失、场景中的一些随机的杂波干扰、物体的阴影和相互遮挡、光照强度的变化，都会使得整个摄录场景固定位置上的像素点的颜色值剧烈变化，给运动人体目标的识别带来巨大的困难。
1.4 论文研究内容和结构
1.4.1 研究内容
本文主要以视频或者图片作为输入文件，通过基本的混合高斯模型对视频中运动目标进行提取，基于已有的数据库对视频中背景进行匹配识别，识别出人体，通过MATLAB进行数据处理，得到相关结果。
1.4.2 论文结构
第一章主要对运动目标的检测和人体识别进行了简要介绍，讨论了国内外这方面的进展和研究背景意义等，并总体提出论文的基本概要，研究内容。
第二章对视频检测方法进行了详细的描述，并简要介绍他们的算法公式，并详细阐述混合高斯模型在视频中运动目标检测的具体应用。最后给出本文基于混合高斯模型的基础上检测提取出来的图像结果。
第三章主要介绍人体识别方法的分类，基于头肩轮廓的特征提取方法，介绍其算法公式，并展示了基于该方法下的实验结果。
第四章介绍MATLAB R2012b软件，然后给出具体检测和识别的代码程序，以及如何在MATLAB中实现，即算法转变为代码的过程。
结论部分在基于结果的基础上对该研究进行总结，给出结论，并分析在实际仿真等过程中存在的问题，以及该努力的方向。
2 运动目标检测方法概述
我们对当前大多数运动目标检测方法进行分类，一般可看作是是对图像序列中的空间信息检测，或是对图像序列中的时间信息进行检测，这些检测里面，最常用方法有3种：光流法、帧差法和背景消除法。