基于輪廓模型和AdaBoost算法的舞蹈人員跟蹤技術研究

宋紅蓮

摘 ?要： 燈光效果控制是舞臺演出表達藝術情感、營造匹配氣氛的主要手段之一，特別是舞蹈人員的追光燈控制需要準確的人體目標檢測與跟蹤。因此，提出一種基于輪廓模型和AdaBoost算法的舞蹈人員跟蹤算法。首先在YCbCr顏色空間采用Canny算子實現人體輪廓模型的檢測，有效提高了跟蹤的魯棒性;然后采用基于級聯結構的AdaBoost算法實現人體目標跟蹤，并對弱分類器的構建與更新進行分析。實驗結果顯示相比其他算法，提出的跟蹤算法具有較高的魯棒性，并有效減少了在跟蹤過程中產生的誤差樣本，從而提高了長時間跟蹤的精確度。

關鍵詞： 人體跟蹤; 目標檢測; 目標跟蹤; 人體輪廓模型; 構建分析; 跟蹤魯棒性

中圖分類號： TN911.73?34 ? ? ? ? ? ? ? ? ? ? ? ?文獻標識碼： A ? ? ? ? ? ? ? ? ? ? ? 文章編號： 1004?373X（2019）15?0051?03

Research on dancing people tracking technology based on

contout model and AdaBoost algorithm

SONG Honglian

（Department of Physical Education， Nanjing Forestry University， Nanjing 210037， China）

Abstract： Lighting effect control is one of the main means of expressing artistic emotions and creating a matching atmosphere in stage performances. In particular， the follow light control for dancers requires accurate detection and tracking of human targets. Therefore， a dancer tracking algorithm based on contour model and AdaBoost algorithm is proposed. The Canny operator is used to detect the human body contour model in the YCbCr color space， which can effectively improve the robustness of tracking. The AdaBoost algorithm based on cascade structure is used to realize human body target tracking. The construction and update of weak classifier are analyzed. The experimental results show that， in comparison with other algorithms， the proposed tracking algorithm has higher robustness and can effectively reduce the error samples generated during the tracking process， thus improving the accuracy of long?term tracking.

Keywords： human body tracking; target detection; target tracking; body contour model; structure analysis; tracking robustness

0 ?引 ?言

隨著娛樂文化產業的蓬勃發展，人們的娛樂生活形式發生了許多的變化，舞臺演出一直不斷推陳出新，積極滿足人們不斷增長的文化和精神生活需求。燈光效果控制是舞臺演出表達藝術情感、營造匹配氣氛的主要手段之一，特別是舞蹈人員的追光燈控制需要準確的人體目標檢測與跟蹤。傳統方式采用人工手動控制跟蹤，但是費時費力，效果不夠理想。

人體檢測與跟蹤技術一直是計算機視覺領域的熱門研究方向，能夠自動識別和跟蹤舞蹈人員目標。但是舞臺環境的復雜性和動態性，使得該應用領域對人體檢測與跟蹤技術的要求更高，要實時、穩定地跟隨舞臺上舞蹈人員的運動，否則跟蹤效果不佳。目前研究人員已經提出不少關于人體目標檢測與跟蹤的算法。文獻[1]提出一種基于區域分割輪廓的運動人體跟蹤算法，在復雜的遮擋環境情況下具有較準確和穩定的表現。文獻[2]提出一種基于多模板回歸加權均值漂移的人體目標跟蹤算法，通過目標人體的位姿和角度改變構建目標模板輪廓集，具有較好的目標檢測實時性。文獻[3]提出一種基于AdaBoost?STC和隨機森林的人眼跟蹤定位算法。文獻[4]提出一種基于似然圖和光流的實時AdaBoost級聯人臉跟蹤器。這兩種方法均有效地提高了跟蹤速度，且不會改變跟蹤精度。

通過上述研究分析得出，輪廓模型和AdaBoost算法分別在魯棒性和準確性上表現出一定優勢。因此，本文提出將兩者相結合來解決復雜舞臺環境下的舞蹈人員跟蹤問題。采用基于輪廓模型的檢測方式實現人體目標檢測，有效提高了人體檢測的魯棒性，并通過基于級聯結構的AdaBoost算法實現人體目標跟蹤。實驗結果表明相比其他算法，本文提出的檢測與跟蹤算法具有較高的精確性和魯棒性，尤其是長序列視頻的跟蹤穩定性較好。