融合行人檢測器和顏色模型的行人跟蹤算法研究.pdf

1、隨著科技的進(jìn)步，人工智能的產(chǎn)品正在逐漸走入人們的生活。其中行人跟蹤技術(shù)作為人工智能的一種重要應(yīng)用在許多領(lǐng)域都起著不可替代的作用，并由此受到了人們的關(guān)注?，F(xiàn)在許多汽車中都安裝了行人防撞預(yù)警系統(tǒng)，而其中行人檢測與跟蹤技術(shù)便起著核心的作用。不僅如此，行人跟蹤算法也在安防監(jiān)控、行為識別、機器人智能中發(fā)揮了它的作用。總體來說，行人跟蹤技術(shù)是一個涉及到數(shù)字圖像處理、計算機視覺和模式識別多個學(xué)科的問題，雖然現(xiàn)在已經(jīng)有了許多令人矚目的研究成果，但仍有很

2、多理論和技術(shù)問題需要解決。要進(jìn)行長時間的行人跟蹤,有很多問題需要解決：一個較好的跟蹤算法必需能夠處理尺度及光照變化、復(fù)雜背景、部分遮擋等問題；有時候目標(biāo)還會發(fā)生一些變化，比如形變等情況，而這些變化會使原始的模型失效，使得整個跟蹤問題將更加的復(fù)雜。最后，長時間的跟蹤還需要解決目標(biāo)丟失的問題，由于遮擋或目標(biāo)移出畫面等情況的出現(xiàn)不可避免，當(dāng)目標(biāo)再次出現(xiàn)在畫面中時，算法必需有能力重新找回目標(biāo)。當(dāng)然，作為一個跟蹤算法，算法的實時性也是非常非常重要

3、的。
　　本文以提出一種可以實用的實時行人跟蹤算法為目標(biāo)，此算法可以較好的解決上文中提出的問題。為了達(dá)到這個目標(biāo)，本文提出了一種融合了行人檢測器和顏色模型的行人跟蹤方法。主要研究內(nèi)容包括以下幾個方面：
　　1）基于中值光流法的目標(biāo)跟蹤器，并在跟蹤的過程中加入了跟蹤失敗時的自檢器。中值光流跟蹤器會跟蹤目標(biāo)行人，并估計他的運動。跟蹤過程中，自檢器會估計那些被跟蹤到的點的可靠性，然后選取那些可靠性較高的點來估計行人此刻的位置與尺度

4、的變化。中值光流法和其它跟蹤方法相比，在保證準(zhǔn)確性的同時，還有運行速度快的優(yōu)點，這對算法的實時性非常重要。
　　2）本文提出的行人檢測算法由兩部分組成，基于HOG特征的SVM行人檢測器，和利用深度學(xué)習(xí)方法訓(xùn)練出的基于深度模型的行人檢測器。前者擁有較快的速度，但存在準(zhǔn)確率低、穩(wěn)定性差等問題，而這些問題會使算法后面的處理出現(xiàn)問題。而后者擁有較高的精度，但由于計算過程中有大量卷積計算，使得整個檢測過程耗時較長，對于算法的效率產(chǎn)生嚴(yán)重影響

5、。根據(jù)以上兩種算法各自的特點，我們將兩種檢測器用一種策略組合在一起，讓算法可以在速度與精度方都有較好的表現(xiàn)。
　　3）本文提出了一個有辨識力的行人顏色模型，并且針對跟蹤目標(biāo)會出現(xiàn)姿態(tài)變化、背景復(fù)雜和遮擋等跟蹤過程中不斷變化等問題，提出了模型的更新策略，使算法可以不斷適應(yīng)目標(biāo)的變化。在跟蹤過程中，算法將目標(biāo)跟蹤器、行人檢測器和有辨識力的顏色模型組合到一起，讓它們相互借鑒、相互促進(jìn)，從而達(dá)到對行人穩(wěn)定跟蹤的目標(biāo)。實驗結(jié)果表明，本文提出