一种用于从视频中提取运动人体轮廓的鲁棒统计方法

人体姿态估计是计算机视觉领域近年来研究的关键问题之一。人体姿态估计的重要性在于其服务于更高层级的任务，即理解人类行为，例如视频中异常行为的识别以及许多其他相关应用。通过提取人体轮廓可以估计人体姿态，因为轮廓对变化具有鲁棒性并能提供人体形状信息。常见的挑战包括光照变化、环境变化以及人体外观变化。因此，需要一种鲁棒的人体姿态估计方法。本文研究并分析了现有的轮廓提取方法，并提出了一种在视频序列中提取人体轮廓的鲁棒技术。该方法将高斯混合模型（GMM）这一统计方法与 HSV（色调、饱和度和亮度）颜色空间模型相结合，构建了一个鲁棒的背景模型，用于背景减除以产生前景斑点，即人体轮廓。随后对背景减法得到的前景斑点进行形态学操作。本工作获得的轮廓可用于与人类行为解释和活动过程相关的后续任务，如人类行为分类、人体姿态估计以及动作识别或行为解释。