基于梯度直方圖和支持向量機(jī)的人體目標(biāo)跟蹤.pdf

1、如何實(shí)現(xiàn)人體目標(biāo)的檢測(cè)與跟蹤是自主機(jī)器人研究領(lǐng)域的關(guān)鍵問題之一，廣泛應(yīng)用于視覺監(jiān)控系統(tǒng)，服務(wù)行業(yè)及人機(jī)交互方面。傳統(tǒng)的基于單目視覺的目標(biāo)跟蹤算法主要依靠目標(biāo)的顏色模型，對(duì)于目標(biāo)及背景有較高的要求，且在實(shí)際應(yīng)用中現(xiàn)有的跟蹤算法常受諸多因素制約，如人體目標(biāo)出現(xiàn)和消失位置的不固定、運(yùn)動(dòng)軌跡多樣、目標(biāo)的遮擋和目標(biāo)本身的旋轉(zhuǎn)等，另外對(duì)于相對(duì)比較復(fù)雜的室外環(huán)境難以保證跟蹤的效果。
　　 本論文目標(biāo)為解決實(shí)驗(yàn)室室內(nèi)及室外環(huán)境中人體目標(biāo)的檢測(cè)及

2、跟蹤問題，致力于研究魯棒性較強(qiáng)的特征描述符算法，將圖像區(qū)域編碼成高維特征向量來完成高精度的是否為人體的檢測(cè)。本文方法使用低水平的表象及輪廓信息來檢測(cè)人體，避免了傳統(tǒng)的顏色模型，并且對(duì)于旋轉(zhuǎn)、尺度縮放、亮度變化都能保持很好的不變性，為了測(cè)試特征描述符的有效性，使用相對(duì)簡(jiǎn)單的支持向量機(jī)作為分類器。
　　 人體目標(biāo)檢測(cè)問題的核心是目標(biāo)的前景觀測(cè)，本論文中使用局部標(biāo)準(zhǔn)化的梯度方向直方圖作為特征描述符，主要由圖像的梯度計(jì)算而來，但最大的特

3、點(diǎn)是基于密集統(tǒng)一的局部空間網(wǎng)格區(qū)域來計(jì)算的，并且采用重疊描述符的標(biāo)準(zhǔn)化來表述圖像特征以提高整個(gè)算法的性能。在人體目標(biāo)檢測(cè)時(shí)用偵查窗口對(duì)整個(gè)圖像的多尺度及位置進(jìn)行掃描，并且在每個(gè)位置上執(zhí)行已經(jīng)訓(xùn)練好的分類器進(jìn)行判別，判別時(shí)主要依據(jù)的是支持向量機(jī)經(jīng)過學(xué)習(xí)得到的離線參數(shù)。
　　 此外還實(shí)現(xiàn)了基于貝葉斯框架下的多人體目標(biāo)跟蹤。在基于較為準(zhǔn)確的梯度直方圖人體目標(biāo)檢測(cè)算法基礎(chǔ)上，為已獲知的目標(biāo)建立非恒速運(yùn)動(dòng)方程，采用卡爾曼濾波對(duì)目標(biāo)進(jìn)行持續(xù)