人体检测和姿态识别是智能监控领域的热点研究问题,目的在于通过计算机视觉领域的技术方法,自动对摄像机拍摄的视频序列进行人物前景提取,特征分析以及识别人体姿态的过程。论文基于低分辨率鱼眼摄像头拍摄的视频图像,围绕着这一课题对人的动态跟踪识别和静态姿势检测展开了研究,在智能监控、人机交互、智能家电等领域具有广泛而潜在的应用价值。由于受摄像头分辨率低、样本较少、样本视频背景环境噪声干扰较大,人物运动方向不确定等影响,在查阅大量国内外期刊文献后,作者采用了步态检测的方法进行动态跟踪识别;通过改进高斯模型的方法,结合绘制椭圆和颜色投影向量进行对人的静态姿势检测。在研究过程中提出了一些创新型算法,获得了比较理想的实验结果。以下为本文所做的工作简述:(1)研究并分析了视频预处理工作中背景建模的内容,通过对经典高斯混合模型和Xiaodong Cai改进高斯混合模型的分析,结合样本视频的需要,本文创新性加入了参数还原算法,通过引入一个反馈调节环节,成功使改进后的高斯混合模型可以同时拥有识别多模态背景和不丢失静态前景目标的能力。(2)研究并分析了视频预处理工作中阴影检测的内容,对比大量阴影检测方法后,经过样本统计实验找到了最适合本文样本视频的阴影检测参数调节特征分量,可以过滤样本视频中90%以上的阴影部分。(3)研究并分析了人物步态识别的方法,并分成三个环节彼此互补来辅助识别结果。采用提取的人物步态能量图作为基础特征,在梯度直方图进一步处理后选用主元分析和子判别式降维的方法取得外形特征分量;以提取SVB带状条纹特征和左右步伐差异特征为基础,利用动态时间规正进行匹配,获得运动特征分量;同时结合可以直接从前景获得的时空特征分量对人物的步态进行识别,实验表明该算法可以比较准确的通过人的步态识别出身份。(4)研究并分析了人物连通域前景所包含的静态特征,采用根据二值化连通域二阶矩绘制椭圆的方法获得前景所包含的时空特征,创新设计了基于衣服颜色投影长度的特征分量,用于辅助前者对静态姿势进行识别。在对统计的大量实验数据进行分析后,找到了合适的特征分量分类过程和阈值。最终实验表明,该算法可以很好的识别并区分4种人体常见姿势:站立、坐在地上、坐在椅子上、躺在地上,并且具有比较低的时间复杂度,可以实时随视频播放完成运算。