本课题的研究内容是以给定的视频序列为目标，利用图像分割、运动跟踪、边缘检测等技术来探讨和实现视频图像中人的检测和定位算法。首先介绍了课题的研究背景和国内外的研究现状；其次，详细介绍了研究本课题需要用到的理论知识；最后，详细介绍了设计中采用的算法，并通过MATLAB程序设计来实现该算法，验证算法的正确性和可行性。与其他大多数人体跟踪算法不同，我们采用的是基于颜色和边缘信息的人体检测和跟踪算法。该算法易于理解和实现，并且可以避免摄像机噪声和轻微光照改变的影响，适用于场景凌乱的情况。实验结果显示，该算法运算速度较快，对复杂环境下运动人体的检测和定位准确，结果令人满意。

课题的目的及意义

本课题研究的是视频图像中人的检测和定位算法，具体的讲，就是从摄像机所拍摄的一系列视频图像序列中，检测并定位出进入摄像机镜头所定位的场景中的运动人体的算法。这种算法是很多后续处理工作的前提—如智能监控、人机交互等。本课题研究的目的主要是要实现监控系统的智能性，即不仅用摄像机代替人眼，而且用计算机代替人，协助人来完成监视或控制任务，从而减轻人的负担。

在当前已有的各种运动物体定位和跟踪算法中，大多采用的是基于颜色和亮度信息的差分图的算法。这种算法在亮度变化较慢和场景比较杂乱的情况下往往会得到一些不可靠的结果。而在本课题中，我们将采用另外一种基于颜色和边缘信息的背景相减的算法。这种算法通过背景建模和背景相减的办法来实现运动人体的检测和定位，由于其使用的是颜色和边缘信息相结合，大大提高了系统的可靠性。克服了其他算法的很多不足，适用于场景杂乱、亮度变化慢和摄像机噪声比较大的情况。

本论文的框架和主要内容

本论文主要包括了基于视频序列的人体检测和定位技术的各项理论基础知识以及这些理论在实际项目中的应用。在各章的安排上，主要分为以下几章来做介绍：

第1章 绪论，简要介绍了课题的研究背景和国内外对本课题的研究现状，以及本课题研究的目的和意义。

第2章 理论基础，详细介绍了视频序列中人的检测和定位技术的各项理论知识，包括运动目标的检测和定位方法、边缘检测和提取方法等。另外，介绍了MATLAB的基础知识，MATLAB数组运算和处理方法以及MATLAB在图像处理中的应用。

第3章 设计方案及其实现，详细介绍了本设计中采用的算法，包括算法流程和算法主要思想，并通过MATLAB编程的方法对算法加以实现。

第4章 实验演示和结果分析，选取三个比较有代表性的场景对算法进行实验验证，并且对实验结果进行综合分析。

总结，对论文进行总结，并对基于视频序列的人体检测和定位技术的发展及其在实际生活和项目中的应用进行展望。

设计方案

本设计的内容是要从给定的一系列视频序列中检测和定位出运动人体，并通过MATLAB程序设计来加以实现。在前面一章理论基础中，我们详细地讨论了视频序列中运动物体的检测、分割、跟踪以及边缘检测的各种方法。通过比较，我们最终决定采用一种基于背景建模以及背景相减的算法[18]。这种算法综合运用了颜色和边缘信息，可以很好地避免各种噪声所带来的干扰。

在具体实现上，因为前四帧图像为静止的背景图像，不含有运动人体，所以我们采用视频序列的前四帧图像来进行背景图像基于颜色信息的建模，得到相应的图像均值图和标准方差图。用下一帧图像和得到的均值图相减，就可以得到当前帧图像中相对于背景图像发生颜色改变的像素点。

同样，我们采用前四帧图像进行基于边缘信息的建模，使用Sobel边缘检测算子对每一个颜色通道进行滤波，产生水平差分图和垂直差分图，进而就可以得到水平差分均值图、垂直差分均值图以及水平标准方差图和垂直标准方差图。

在建模完成后，我们分别对颜色通道和边缘通道进行背景相减。用前面建立的背景模型中的均值图和标准方差图与当前帧图像相减，并通过阈值化处理，就可以得到两个相应的颜色置信度图和边缘置信度图。取其中的最大值，就可以确定出最可靠的前景像素，即运动人体的像素。

完成以上的背景相减过程后，基本上就完成了视频序列中人的检测和定位的过程。但是，由于在图像中还有一些不可靠的前景像素点，我们称之为空洞，主要是各种噪声和计算过程中使用Sobel算子进行边缘检测时光照改变等原因产生的。我们可以通过对图像进行滤波的办法来减小这些离散像素点对结果的影响。在实际操作时，我们选择中值滤波的方式来实现，可以很好地达到我们需要的效果。

最后，为了达到更好的效果，我们还可以采用连接部分算法来标记置信度图中的连接区域，把所有和置信度为1的像素点不相连的部分都去除掉。同时，还可以通过轮廓跟踪算法来进行轮廓的跟踪，以更好地表现出人体的轮廓，使算法的效果更加明显。