行人視頻檢測(cè)與跟蹤方法研究.pdf

1、目前，在智能交通系統(tǒng)中，計(jì)算機(jī)視覺(jué)技術(shù)得到廣泛應(yīng)用，視頻檢測(cè)和跟蹤技術(shù)是其中的重點(diǎn)。視頻檢測(cè)技術(shù)是指在視頻圖像中發(fā)現(xiàn)并定位目標(biāo)，視頻跟蹤技術(shù)是對(duì)檢測(cè)到的目標(biāo)進(jìn)行連續(xù)跟蹤，它以視頻檢測(cè)技術(shù)為基礎(chǔ)。我國(guó)城市交通具有車輛和行人混合的特點(diǎn)，本文針對(duì)行人展開(kāi)視頻檢測(cè)和跟蹤研究。
　　本文提出一種檢測(cè)和定位行人頭部的方法，在此基礎(chǔ)上定位出圖像中的行人。該方法利用行人頭部特征，通過(guò)混合顏色模型、Canny邊緣檢測(cè)和Hough變換，確定行人頭部的

2、位置和大小，進(jìn)而確定行人的位置和大小。
　　本文利用Mean Shift算法進(jìn)行目標(biāo)跟蹤研究。Mean Shift算法是一種基于梯度的無(wú)參數(shù)概率密度估計(jì)方法，采用核函數(shù)直方圖的形式建模。在視頻序列的第一幀中由用戶手動(dòng)選擇跟蹤目標(biāo)，并利用直方圖對(duì)目標(biāo)進(jìn)行建模，在后續(xù)幀中，用Bhattacharyya系數(shù)進(jìn)行相似性度量，迭代地搜索與目標(biāo)最為相似的區(qū)域。在眾多跟蹤算法中，Mean Shift算法理論嚴(yán)謹(jǐn)、跟蹤性能好、簡(jiǎn)單易實(shí)現(xiàn)，適應(yīng)于行

3、人跟蹤。但Mean Shift算法也存在一些問(wèn)題，如不能自動(dòng)選擇跟蹤目標(biāo)，搜索窗寬度不能根據(jù)目標(biāo)大小的變化進(jìn)行自適應(yīng)調(diào)整，在目標(biāo)運(yùn)動(dòng)速度快時(shí)容易丟失目標(biāo)等。
　　針對(duì)Mean Shift算法不能自動(dòng)選擇跟蹤目標(biāo)的問(wèn)題，本文提出基于行人頭部檢測(cè)的改進(jìn)算法:在第一幀檢測(cè)并定位行人頭部，在此基礎(chǔ)上進(jìn)行位置轉(zhuǎn)換，確定搜索窗口的中心點(diǎn)和長(zhǎng)度、寬度，從而實(shí)現(xiàn)跟蹤區(qū)域的自動(dòng)選擇。
　　本文提出Bhattacharyya系數(shù)判斷方法，通過(guò)分

4、析目標(biāo)區(qū)域和背景相似程度的變化，判斷目標(biāo)可能出現(xiàn)的速度過(guò)快等情況，從而有針對(duì)性地進(jìn)行處理。針對(duì)目標(biāo)速度過(guò)快的情況，本文引入Kalman濾波對(duì)Mean Shift算法進(jìn)行改進(jìn)。在目標(biāo)運(yùn)動(dòng)正常時(shí)，Kalman濾波進(jìn)行輔助跟蹤。當(dāng)判斷目標(biāo)出現(xiàn)速度過(guò)快的情況時(shí)，利用Kalman濾波預(yù)測(cè)目標(biāo)在下一幀的位置，以預(yù)測(cè)位置為起點(diǎn)進(jìn)行Mean Shift搜索，用Mean Shift的跟蹤結(jié)果作為觀測(cè)值修正Kalman濾波，從而得到目標(biāo)的準(zhǔn)確位置，然后在下