多運(yùn)動(dòng)行人檢測(cè)與跟蹤技術(shù)研究.pdf

1、基于視頻圖像序列運(yùn)動(dòng)行人檢測(cè)與跟蹤是計(jì)算機(jī)愛(ài)視覺(jué)研究領(lǐng)域的重點(diǎn)研究課題之一,它正日益廣泛地應(yīng)用到安全防范、智能監(jiān)控等領(lǐng)域。視頻中存在復(fù)雜的背景環(huán)境、行人姿態(tài)變化、行人相互遮擋和交錯(cuò)、光照和氣候變化等眾多干擾因素,這些均使運(yùn)動(dòng)行人檢測(cè)技術(shù)和跟蹤技術(shù)成為計(jì)算機(jī)愛(ài)視覺(jué)研究領(lǐng)域的難題。盡管?chē)?guó)內(nèi)外的學(xué)者對(duì)該領(lǐng)域進(jìn)行了廣泛深入的研究,同時(shí)也提出了很多解決方法,但仍然有許多關(guān)鍵問(wèn)題沒(méi)有得到有效的處理,迫切需要更加成熟穩(wěn)健的檢測(cè)跟蹤技術(shù)和方法。因此,本

2、文針對(duì)復(fù)雜環(huán)境下的運(yùn)動(dòng)行人檢測(cè)與跟蹤問(wèn)題,尤其是對(duì)跟蹤中遇到的遮擋問(wèn)題進(jìn)行了深入研究。
　　首先,對(duì)運(yùn)動(dòng)行人檢測(cè)算法進(jìn)行了介紹和分析,然后針對(duì)傳統(tǒng)檢測(cè)算法面對(duì)光照變化、陰影等因素干擾時(shí),檢測(cè)效果不佳的問(wèn)題,給出了基于HOG特征與Haar特征融合的Adaboost檢測(cè)算法,該算法融合了HOG與Haar特征,其優(yōu)點(diǎn)就是使用HOG特征可以描述目標(biāo)的輪廓及邊緣特征,而使用Haar特征則能夠較好的刻畫(huà)目標(biāo)局部的灰度變化情況,使得本文的算法取

3、得了較好的檢測(cè)效果,提高了行人檢測(cè)的魯棒性。
　　其次,對(duì)運(yùn)動(dòng)行人的跟蹤進(jìn)行了深入研究,對(duì)傳統(tǒng)的均值移動(dòng)算法進(jìn)行了改進(jìn),引入空間直方圖均值移動(dòng)算法,給出了該算法的推導(dǎo)和跟蹤過(guò)程,空間直方圖均值移動(dòng)跟蹤算法不僅包含了相同的顏色直方圖信息,而且還包括了每個(gè)子空間的信息。因而能捕捉更豐富的目標(biāo)描述,有抗干擾性更強(qiáng)和受光照影響低的優(yōu)勢(shì)。
　　最后,由于空間直方圖均值移動(dòng)目標(biāo)跟蹤對(duì)于多目標(biāo)場(chǎng)景下,特別是遮擋或者被跟蹤目標(biāo)距離很近的時(shí)候