單目視覺(jué)多行人目標(biāo)檢測(cè)與跟蹤技術(shù)研究.pdf

1、行人檢測(cè)技術(shù)在智能監(jiān)控系統(tǒng)、智能車輛/輔助駕駛、運(yùn)動(dòng)分析、高級(jí)人機(jī)接口等眾多方面具有廣泛的應(yīng)用前景和研究?jī)r(jià)值,是近年來(lái)計(jì)算機(jī)視覺(jué)領(lǐng)域備受關(guān)注的前沿方向和研究熱點(diǎn)。行人檢測(cè)包括了行人目標(biāo)的檢測(cè)、提取、識(shí)別和跟蹤等方面的內(nèi)容,由于應(yīng)用場(chǎng)所各異、環(huán)境復(fù)雜,加之具有的服飾變化、姿態(tài)變化、人體運(yùn)動(dòng)的隨意性和隨機(jī)性、遮擋等方面特點(diǎn),使其成為一個(gè)具有挑戰(zhàn)性的困難問(wèn)題,受到學(xué)術(shù)界廣泛關(guān)注。
　　 為了克服多行人目標(biāo)相互遮擋帶來(lái)的影響,本文采用單

2、目垂直攝像方式獲取檢測(cè)區(qū)域的行人目標(biāo)圖像,建立借助人體特定部位一頭部的特征實(shí)現(xiàn)多行人目標(biāo)的檢測(cè)與跟蹤方案。圍繞形變與尺度變化下的多頭部目標(biāo)的檢測(cè)與跟蹤,重點(diǎn)研究了靜態(tài)圖像中頭部目標(biāo)的分割、基于多特征的頭部目標(biāo)識(shí)別,彩色圖像序列中運(yùn)動(dòng)行人目標(biāo)的快速檢測(cè),以及復(fù)雜場(chǎng)景中尺度變化的行人目標(biāo)的跟蹤問(wèn)題,形成了一套序列圖像中的多行人目標(biāo)自動(dòng)檢測(cè)與跟蹤方法。
　　 論文主要內(nèi)容如下:
　　 ①討論了行人檢測(cè)技術(shù)的研究背景、發(fā)展現(xiàn)狀及

3、研究意義,在對(duì)各種信息感知手段進(jìn)行綜合比較的基礎(chǔ)上,重點(diǎn)闡述了基于計(jì)算機(jī)視覺(jué)的行人檢測(cè)技術(shù)研究現(xiàn)狀及研究進(jìn)展,分析了當(dāng)前行人檢測(cè)技術(shù)在目標(biāo)識(shí)別與跟蹤方面的不足。
　　 ②詳細(xì)分析了單目視覺(jué)下行人信息的采集方式以及在不同采集方式下行人圖像的特點(diǎn),針對(duì)基于整體與基于部位組合的行人檢測(cè)方法難以實(shí)現(xiàn)遮擋情況下的多行人目標(biāo)的正確檢測(cè),本文將人體的特定部位一頭部特征作為區(qū)分多個(gè)人體目標(biāo)的特征。在此基礎(chǔ)上,通過(guò)對(duì)垂直單目視覺(jué)下現(xiàn)有頭部檢測(cè)方法

4、以及行人頭部特征的分析,提出結(jié)合顏色特征、形狀特征、運(yùn)動(dòng)特征等多種特征實(shí)現(xiàn)頭部目標(biāo)的檢測(cè)方案。
　　 ③研究了靜態(tài)彩色圖像中的多頭部目標(biāo)分割與識(shí)別技術(shù)。
　　 針對(duì)基于發(fā)色或灰度特征的頭部目標(biāo)分割方法易受光照的影響,難以完整地分割出頭部目標(biāo)區(qū)域的問(wèn)題,提出一種面向頭部區(qū)域候選目標(biāo)提取的改進(jìn)meanshift彩色圖像分割算法。該算法對(duì)經(jīng)典mean shift分割算法進(jìn)行了兩個(gè)方面的改進(jìn):一是基于不同帶寬下的分割圖像與原始圖

5、像相關(guān)性變化規(guī)律,建立了基于相關(guān)性比較的帶寬自動(dòng)計(jì)算方法；二是充分考慮核窗口內(nèi)像素點(diǎn)顏色和位置的影響,提出以核窗寬內(nèi)像素的中值作為收斂點(diǎn)的值,改善了圖像分割的平滑性。
　　 在此基礎(chǔ)上,針對(duì)靜態(tài)圖像中的多個(gè)頭部目標(biāo)的識(shí)別問(wèn)題,在兼顧快速性和有效性的基礎(chǔ)上,結(jié)合頭部目標(biāo)的發(fā)色分布特征和輪廓特征,建立了基于發(fā)色模型和圓存在性模型的級(jí)聯(lián)檢測(cè)器,以消除偽頭部目標(biāo)。實(shí)驗(yàn)結(jié)果表明,該方法能有效地消除與發(fā)色分布類似或灰度分布與頭部接近的類圓區(qū)

6、域,提高了頭部目標(biāo)識(shí)別的正確率。
　　 ④研究了彩色圖像序列中的多頭部目標(biāo)檢測(cè)問(wèn)題。以計(jì)算簡(jiǎn)單、快速、能較為準(zhǔn)確地提取頭部運(yùn)動(dòng)區(qū)域?yàn)槟繕?biāo),建立了一種結(jié)合運(yùn)動(dòng)檢測(cè)與發(fā)色檢測(cè)的多頭部目標(biāo)檢測(cè)算法。該算法在研究和分析各種運(yùn)動(dòng)目標(biāo)提取算法的基礎(chǔ)上,提出基于3幀彩色邊緣圖像差分的運(yùn)動(dòng)目標(biāo)區(qū)域提取,并通過(guò)對(duì)運(yùn)動(dòng)區(qū)域進(jìn)行發(fā)色檢測(cè)和連通域特征分析,實(shí)現(xiàn)對(duì)頭部目標(biāo)的快速提取和定位。
　　 ⑤研究了基于改進(jìn)mean shift的行人頭部目標(biāo)

7、跟蹤方法。在分析行人頭部目標(biāo)運(yùn)動(dòng)中的旋轉(zhuǎn)、形變等特點(diǎn)的基礎(chǔ)上,將mean shift算法引入行人頭部目標(biāo)跟蹤,并針對(duì)mean shift跟蹤算法的不足進(jìn)行改進(jìn),給出了相應(yīng)的解決方案。將LTP(Local Ternary Patterns)紋理特征引入頭部目標(biāo)跟蹤,建立了融合LTP紋理特征和顏色特征的頭部目標(biāo)表示模型；提出了基于運(yùn)動(dòng)方向信息與核匹配的跟蹤初始點(diǎn)選擇算法,并采用基于主成分分析的跟蹤窗口自適應(yīng)跟蹤技術(shù)。最終,結(jié)合上述工作,形成

8、了一套復(fù)雜場(chǎng)景下的尺度自適應(yīng)的行人目標(biāo)跟蹤方法。
　　 ⑥基于前述研究成果,提出將行人頭部目標(biāo)的檢測(cè)、跟蹤與匹配技術(shù)有機(jī)結(jié)合起來(lái),實(shí)現(xiàn)數(shù)目可變的多行人目標(biāo)的自動(dòng)檢測(cè)與跟蹤的方法,并將其應(yīng)用于視頻監(jiān)控場(chǎng)景下的行人目標(biāo)軌跡跟蹤與公交場(chǎng)景下的上下車乘客人數(shù)自動(dòng)統(tǒng)計(jì)。實(shí)驗(yàn)結(jié)果表明,所提方法能夠解決新目標(biāo)的出現(xiàn)、目標(biāo)的暫時(shí)消失、目標(biāo)誤檢測(cè)等問(wèn)題,使得行人檢測(cè)結(jié)果更加準(zhǔn)確與可靠。
　　 各檢測(cè)與跟蹤算法實(shí)驗(yàn)以及綜合的場(chǎng)景應(yīng)用實(shí)驗(yàn)表明