首先介绍了运动人体的剪影提取，在视频序列中，由于受到复杂背景、遮挡、光照变化等因素的影响，通常的背景分离算法无法有效的对运动人体进行提取，本文介绍了一种基于高斯混合模型和帧差法相结合的运动物体提取算法，从而获得了精度较高的运动人体剪影。

由于人体姿态运动数据通常是高维数据矩阵，在处理之前一般需要降维度处理，首先通过传统的PCA降维算法进行处理，然后结合PCA算法的缺陷，提出了一种基于概率信息的改进PCA算法。在PCA的基础上，加入一个噪声变量，用来调整后面N-M个高纬度的数据的精度。 通过最大似然估计进行估计这个噪声模型，然后叠加到PCA模型的高纬数据上。

最后，对降维后的数据进行粒子群的姿态估计，这里首先使用了传统的模拟退火算法进行优化，然后使用的PSO粒子群优化算法进行优化，最后通过对比分析，提出了一种基于基因突变的变权值模拟退火粒子群优化算法，通过该算法，可以大大改进最后的收敛效果，使得最后的收敛值趋于稳定收敛，并且收敛值达到更小的误差水平，并且不存在粒子突变的情况。

最后，根据本文算法对CMU数据库中的不同运动姿态进行仿真，实验结果仿真可知本文方法不仅具有良好的计算效率，同时具有良好的收敛性和全局搜索能力，能准确分析单目视频中的人体姿态。

第一、研究了关于运动人体剪影提取的算法，目前为止，最常有的有帧差法，高斯混合模型法。但是传统的背景差以及高斯混合模型法存在拖影问题。针对这个问题，提出了一种同时结合高斯混合模型和帧差法的新型运动物体提取算法，最后使用MATLAB对CMU数据库中的多个测试视频进行仿真验证，实验结果表明，采用改进后的高斯混合模型能够更高精度的提取人体剪影。

第二、由于人体姿态运动数据通常是高维数据矩阵，在处理之前一般需要降维度处理，首先通过传统的PCA降维算法进行处理，然后结合PCA算法的缺陷，提出了一种基于概率信息的改进PCA算法。在PCA的基础上，加入一个噪声变量，用来调整后面N-M个高纬度的数据的精度。 通过最大似然估计进行估计这个噪声模型，然后叠加到PCA模型的高纬数据上。

第三、对降维后的数据进行粒子群的姿态估计，这里首先使用了传统的模拟退火算法进行优化，通过对比分析，提出了一种基于基因突变的变权值模拟退火粒子群优化算法，通过该算法，可以大大改进最后的收敛效果，使得最后的收敛值趋于稳定收敛，并且收敛值达到更小的误差水平，并且不存在粒子突变的情况。

联系：highspeedlogic

QQ ：1224848052

微信：HuangL1121

邮箱：1224848052@qq.com

网站：http://www.mat7lab.com/

网站：http://www.hslogic.com/

微信扫一扫：