基于轮廓模型和AdaBoost算法的舞蹈人员跟踪技术研究

宋红莲

摘  要： 灯光效果控制是舞台演出表达艺术情感、营造匹配气氛的主要手段之一，特别是舞蹈人员的追光灯控制需要准确的人体目标检测与跟踪。因此，提出一种基于轮廓模型和AdaBoost算法的舞蹈人员跟踪算法。首先在YCbCr颜色空间采用Canny算子实现人体轮廓模型的检测，有效提高了跟踪的鲁棒性;然后采用基于级联结构的AdaBoost算法实现人体目标跟踪，并对弱分类器的构建与更新进行分析。实验结果显示相比其他算法，提出的跟踪算法具有较高的鲁棒性，并有效减少了在跟踪过程中产生的误差样本，从而提高了长时间跟踪的精确度。

关键词： 人体跟踪; 目标检测; 目标跟踪; 人体轮廓模型; 构建分析; 跟踪鲁棒性

中图分类号： TN911.73?34                        文献标识码： A                       文章编号： 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

隨着娱乐文化产业的蓬勃发展，人们的娱乐生活形式发生了许多的变化，舞台演出一直不断推陈出新，积极满足人们不断增长的文化和精神生活需求。灯光效果控制是舞台演出表达艺术情感、营造匹配气氛的主要手段之一，特别是舞蹈人员的追光灯控制需要准确的人体目标检测与跟踪。传统方式采用人工手动控制跟踪，但是费时费力，效果不够理想。

人体检测与跟踪技术一直是计算机视觉领域的热门研究方向，能够自动识别和跟踪舞蹈人员目标。但是舞台环境的复杂性和动态性，使得该应用领域对人体检测与跟踪技术的要求更高，要实时、稳定地跟随舞台上舞蹈人员的运动，否则跟踪效果不佳。目前研究人员已经提出不少关于人体目标检测与跟踪的算法。文献[1]提出一种基于区域分割轮廓的运动人体跟踪算法，在复杂的遮挡环境情况下具有较准确和稳定的表现。文献[2]提出一种基于多模板回归加权均值漂移的人体目标跟踪算法，通过目标人体的位姿和角度改变构建目标模板轮廓集，具有较好的目标检测实时性。文献[3]提出一种基于AdaBoost?STC和随机森林的人眼跟踪定位算法。文献[4]提出一种基于似然图和光流的实时AdaBoost级联人脸跟踪器。这两种方法均有效地提高了跟踪速度，且不会改变跟踪精度。

通过上述研究分析得出，轮廓模型和AdaBoost算法分别在鲁棒性和准确性上表现出一定优势。因此，本文提出将两者相结合来解决复杂舞台环境下的舞蹈人员跟踪问题。采用基于轮廓模型的检测方式实现人体目标检测，有效提高了人体检测的鲁棒性，并通过基于级联结构的AdaBoost算法实现人体目标跟踪。实验结果表明相比其他算法，本文提出的检测与跟踪算法具有较高的精确性和鲁棒性，尤其是长序列视频的跟踪稳定性较好。