并行計算構(gòu)架下行人檢測與跟蹤算法實現(xiàn)與優(yōu)化.pdf

1、如何通過行人的外觀特征從海量監(jiān)控視頻中快速挖掘用戶感興趣的行人,智能分析技術(shù)和Hadoop集群能夠幫忙實現(xiàn)。行人檢測與跟蹤是智能監(jiān)控系統(tǒng)中核心問題,Hadoop集群能夠有效解決海量視頻處理面臨的問題。因此本文重點研究Hadoop集群視頻并行處理技術(shù)和行人檢測與跟蹤算法。
　　在行人檢測中,針對行人檢測存在過小行人漏檢和過大行人誤檢等問題進行研究,提出了一種新的基于前景區(qū)域的自適應(yīng)滑動窗行人檢測算法。對于前景提取,為了消除了陰影對前

2、景提取的影響,運用了基于色度和紋理相結(jié)合的陰影去除算法。而在行人檢測中,設(shè)計了具有自適應(yīng)調(diào)整滑動搜索窗口尺寸的梯度方向直方圖行人檢測器搜索前景區(qū)域。實驗表明,只對運動區(qū)域做檢測提高了行人檢測效率,自適應(yīng)的滑動窗口行人檢測器減少了行人的漏檢和誤檢。
　　在行人跟蹤中,針對很難對具有多模態(tài)行人進行穩(wěn)定跟蹤等問題,提出了一種新的基于混合前景區(qū)域直方圖模型(Hybrid foreground area histogram model:HF

3、HM)的卡爾曼濾波行人目標跟蹤算法。首先對每個行人建立了基于前景區(qū)域的混合直方圖模型,然后卡爾曼濾波對行人進行跟蹤獲得候選區(qū)域并計算行人混合模型與候選搜索區(qū)域的匹配程度,最后根據(jù)匹配程度給出了一種混合模型在線更新策略以確保跟蹤的魯棒性。實驗表明,該算法在行人姿態(tài)變化、轉(zhuǎn)動以及在部分遮擋的情況下都能對行人進行連續(xù)和穩(wěn)定的跟蹤。
　　對于視頻并行化處理,自主設(shè)計了基于Hadoop集群的視頻并行化處理系統(tǒng)并建立了試驗床。通過研究Hado