首先介紹了運動人體的剪影提取，在視頻序列中，由于受到復雜背景、遮擋、光照變化等因素的影響，通常的背景分離算法無法有效的對運動人體進行提取，本文介紹了一種基于高斯混合模型和幀差法相結合的運動物體提取算法，從而獲得了精度較高的運動人體剪影。

由于人體姿態運動數據通常是高維數據矩陣，在處理之前一般需要降維度處理，首先通過傳統的PCA降維算法進行處理，然后結合PCA算法的缺陷，提出了一種基于概率信息的改進PCA算法。在PCA的基礎上，加入一個噪聲變量，用來調整后面N-M個高緯度的數據的精度。 通過最大似然估計進行估計這個噪聲模型，然后疊加到PCA模型的高緯數據上。

最后，對降維后的數據進行粒子群的姿態估計，這里首先使用了傳統的模擬退火算法進行優化，然后使用的PSO粒子群優化算法進行優化，最后通過對比分析，提出了一種基于基因突變的變權值模擬退火粒子群優化算法，通過該算法，可以大大改進最后的收斂效果，使得最后的收斂值趨于穩定收斂，并且收斂值達到更小的誤差水平，并且不存在粒子突變的情況。

最后，根據本文算法對CMU數據庫中的不同運動姿態進行仿真，實驗結果仿真可知本文方法不僅具有良好的計算效率，同時具有良好的收斂性和全局搜索能力，能準確分析單目視頻中的人體姿態。

第一、研究了關于運動人體剪影提取的算法，目前為止，最常有的有幀差法，高斯混合模型法。但是傳統的背景差以及高斯混合模型法存在拖影問題。針對這個問題，提出了一種同時結合高斯混合模型和幀差法的新型運動物體提取算法，最后使用MATLAB對CMU數據庫中的多個測試視頻進行仿真驗證，實驗結果表明，采用改進后的高斯混合模型能夠更高精度的提取人體剪影。

第二、由于人體姿態運動數據通常是高維數據矩陣，在處理之前一般需要降維度處理，首先通過傳統的PCA降維算法進行處理，然后結合PCA算法的缺陷，提出了一種基于概率信息的改進PCA算法。在PCA的基礎上，加入一個噪聲變量，用來調整后面N-M個高緯度的數據的精度。 通過最大似然估計進行估計這個噪聲模型，然后疊加到PCA模型的高緯數據上。

第三、對降維后的數據進行粒子群的姿態估計，這里首先使用了傳統的模擬退火算法進行優化，通過對比分析，提出了一種基于基因突變的變權值模擬退火粒子群優化算法，通過該算法，可以大大改進最后的收斂效果，使得最后的收斂值趨于穩定收斂，并且收斂值達到更小的誤差水平，并且不存在粒子突變的情況。

聯系：highspeedlogic

QQ ：1224848052

微信：HuangL1121

郵箱：1224848052@qq.com

網站：http://www.mat7lab.com/

網站：http://www.hslogic.com/

微信掃一掃：