復(fù)雜背景下多行人運(yùn)動(dòng)的檢測(cè)與跟蹤.pdf

1、多行人目標(biāo)檢測(cè)與跟蹤技術(shù)在智能視頻監(jiān)控、智能交通、現(xiàn)代國(guó)防等眾多領(lǐng)域都具有重要的研究?jī)r(jià)值和應(yīng)用價(jià)值。由于場(chǎng)景的復(fù)雜性、行人目標(biāo)的多變性等因素，研究出具魯棒性、可靠性的多行人運(yùn)動(dòng)目跟蹤算法面臨著巨大的挑戰(zhàn)。本文基于前人提出的研究成果，嘗試總結(jié)多行人目標(biāo)跟蹤算法，找到較優(yōu)秀者并作適當(dāng)改進(jìn)，解決了一定的跟蹤難題。
　　本文從行人目標(biāo)的特性入手，研究目前常用的一些行人特征提取方法。特征提取有助于對(duì)圖像內(nèi)的待跟蹤目標(biāo)進(jìn)行定位，是基于靜態(tài)圖像

2、的行人檢測(cè)的基礎(chǔ)。本文對(duì)幾種行人特征提取方法進(jìn)行總結(jié)與評(píng)價(jià)，提出特征算子兩兩聯(lián)合的組合方案，分析這些方案的可行性，選取其中三種組合方案即Haar-LBP、Haar-HOG和LBP-HOG進(jìn)行實(shí)驗(yàn)，對(duì)比各自優(yōu)勢(shì)和不足。據(jù)此提出一種利用Haar-LBP特征和LBP-HOG特征的二階層特征提取算法及相應(yīng)的行人檢測(cè)策略，實(shí)驗(yàn)表明該特征提取方法對(duì)于基于靜態(tài)的圖像的行人檢測(cè)表現(xiàn)優(yōu)秀。對(duì)于基于動(dòng)態(tài)視頻幀的行人檢測(cè)，本文重點(diǎn)介紹三種背景減除方法:混合背

3、景高斯建模較經(jīng)典，其檢測(cè)效果佳，但受陰影影響較大;對(duì)碼本建模算法，在判斷亮度時(shí)采用RGB-YUV顏色空間上的轉(zhuǎn)換，一方面將平方運(yùn)算改為線性變換，提高運(yùn)行速度，另一方面保留前景目標(biāo)的顏色外觀，以便可以在跟蹤階段將顏色作為外觀特征的一部分來進(jìn)行目標(biāo)的身份識(shí)別;基于像素的自適應(yīng)分割算法是較新穎的另一種無參數(shù)背景建模方法，其原理直觀，易于實(shí)現(xiàn)。對(duì)三種背景減除法進(jìn)行對(duì)比實(shí)驗(yàn)，評(píng)估其檢測(cè)運(yùn)動(dòng)前景的性能。對(duì)行人目標(biāo)的判別，本文介紹星形向量法與垂直投影

4、法，并聯(lián)系特征提取部分，提出先背景減除后特征提取的行人判別法，通過實(shí)驗(yàn)對(duì)比星形向量法與特征提取行人識(shí)別法的行人判別效果。
　　目標(biāo)跟蹤部分，本文對(duì)基于數(shù)據(jù)關(guān)聯(lián)的跟蹤算法進(jìn)行研究。其中選取兩種方法進(jìn)行研究:基于上下文推理的實(shí)時(shí)行人跟蹤算法能夠利用有限狀態(tài)機(jī)(FSA)模型，判斷并保存目標(biāo)先前狀態(tài)，根據(jù)目標(biāo)當(dāng)前特征及前一個(gè)狀態(tài)對(duì)“語境”做出分析，推斷目標(biāo)當(dāng)前狀態(tài);基于離散-連續(xù)優(yōu)化的多行人跟蹤算法是通過檢測(cè)階段得到的結(jié)果建立多種軌跡假設(shè)