智能監(jiān)控系統(tǒng)中行人檢測與目標跟蹤算法的研究.pdf

1、行人檢測與跟蹤技術是機器視覺領域中的一個重要分支，其在智能安防、人機交互、智能交通、虛擬現(xiàn)實等領域中都有著廣闊市場前景和應用價值。近十年來，在世界各地研究人員的共同努力下，行人檢測與跟蹤技術在實時性和精度上都取得了很大的進步。但是受制于行人個體之間差異過大、運動過程多種多樣、環(huán)境復雜多變、計算資源有限等因素，現(xiàn)有算法的性能仍不能滿足實際應用的需求。如何在不降低精確度的條件下提高行人檢測的實時性，以及如何改善跟蹤器在復雜場景中的跟蹤精度仍

2、是這項技術中的研究熱點。
　　本文針對傳統(tǒng)行人檢測算法在視頻監(jiān)控中實時性較差的問題，及跟蹤器在復雜場景中模型更新的問題進行了研究和創(chuàng)新，闡述如下:
　　目前主流行人檢測算法中采用滑動窗口法使得特征運算前級輸入過多而導致在實際監(jiān)控中實時性下降。針對該問題，提出了一種基于運動趨勢的快速行人檢測算法。算法首先通過分割行人運動趨勢信息、構(gòu)建卡爾曼預測模型完成對行人位置的預測，減少了特征前級輸入。然后受圖像匹配算法的啟發(fā)，通過提取預測

3、位置BRISK特征對結(jié)果進行了校驗。使得算法在提高預測精度的同時，減少了對行人特征的計算。最后利用固定視頻監(jiān)控中場景的特性作為先驗知識，完成了算法在固定場景中的快速尺度估計。通過在四個標準行人數(shù)據(jù)集上的測試，繪制了算法在不同視頻測試集中的DET曲線和幀率表。實驗結(jié)果表明:相比原算法，改進后算法在確保算法精度不下降的同時大幅度提高了行人檢測速度。
　　基于一致性模型的關鍵點匹配跟蹤算法(CMT)中由于僅采用第一幀作為目標模型使得目標

4、在遮擋或環(huán)境變化等因素影響下會出現(xiàn)跟蹤失敗。針對該問題，提出了一種基于歷史加權(quán)的關鍵點匹配跟蹤算法(HWCMT)。算法中首先通過建立歷史模型記錄不同關鍵點出現(xiàn)的次數(shù)，并給予其相應的權(quán)重。然后采用高斯函數(shù)作為歷史模型中關鍵點的權(quán)值函數(shù)，對待選模型中關鍵點在尺度、旋轉(zhuǎn)、中心點估計時的投票進行加權(quán)。最后綜合待選模型中關鍵點聚類結(jié)果與歷史模型特征點的加權(quán)結(jié)果確定目標的姿態(tài)。通過算法在16個標準目標跟蹤數(shù)據(jù)集上實驗結(jié)果，得出結(jié)論:改進后算法解決了