復雜環(huán)境下運動人體檢測與跟蹤算法研究.pdf

1、運動人體檢測與跟蹤技術是智能交通和計算機視覺領域的關鍵技術，近年來受到國內外學者的廣泛關注與研究。運動人體檢測與跟蹤技術在電子監(jiān)控系統(tǒng)、智能交通管理、軍事等多個領域都有著廣泛的應用。由于受到復雜場景下光照變化、遮擋等諸多因素的影響，現(xiàn)有的方法在實際應用方面還面臨著許多困難，因此，研究可靠的運動人體檢測與跟蹤算法既具有挑戰(zhàn)性，又有著重大的意義。
　　 本論文在研究了計算機視覺相關理論的基礎上，對典型的運動人體檢測與跟蹤算法進行了分

2、析，并提出了相關的改進算法。本文主要完成了以下研究工作:
　　 針對運動人體檢測方面，提出了一種基于主成分分析梯度方向直方圖(HOG-PCA)和GentleAdaboost分類器的快速運動人體檢測算法。首先對圖像進行分塊，提取其多尺度HOG特征，然后使用主成分分析(PCA)方法對HOG特征向量進行降維，最后將HOG-PCA特征向量輸入GentleAdaboost分類器，實現(xiàn)目標的準確分類。相對于原始HOG特征提取方法，HOG-P

3、CA能夠有效的降低計算復雜度，而采用GentleAdaboost算法進行分類器的訓練能夠有效的提高訓練效率。實驗結果表明，本文方法檢測的錯誤率更低，同時具有較快的檢測速度。
　　 針對運動人體跟蹤方面，由于傳統(tǒng)的MeanShift目標跟蹤算法在背景和目標顏色接近時魯棒性較差，本文提出了一種融合紋理特征和顏色特征的改進MeanShift算法。首先利用Kalman濾波預測出運動人體在下一幀的可能出現(xiàn)位置，然后運用改進的MeanShi