視頻監(jiān)控中的人體檢測(cè)與跟蹤技術(shù)研究.pdf

1、視頻監(jiān)控中的人體檢測(cè)與跟蹤技術(shù)是當(dāng)前計(jì)算機(jī)視覺(jué)和模式識(shí)別領(lǐng)域的一個(gè)重要研究方向。由于公共場(chǎng)所中對(duì)安全智能監(jiān)控系統(tǒng)的要求越來(lái)越高，多家知名公司和科研機(jī)構(gòu)對(duì)此都投入了大量人力財(cái)力，可以預(yù)測(cè)此課題在未來(lái)研究領(lǐng)域中將有廣闊的前景并能帶來(lái)巨大的社會(huì)效益。 針對(duì)公共場(chǎng)所中的攝像機(jī)網(wǎng)絡(luò)，本文構(gòu)建了一個(gè)基于視頻序列的運(yùn)動(dòng)人體檢測(cè)與跟蹤系統(tǒng)，包含了四個(gè)方面的內(nèi)容：運(yùn)動(dòng)目標(biāo)檢測(cè)，單目攝像機(jī)內(nèi)的人體跟蹤，人臉檢測(cè)和攝像機(jī)網(wǎng)絡(luò)中的人體跟蹤。首先是利用運(yùn)

2、動(dòng)信息檢測(cè)出運(yùn)動(dòng)的前景區(qū)域，然后對(duì)單個(gè)攝像機(jī)采集的視頻序列的前景目標(biāo)區(qū)域進(jìn)行跟蹤，為了判定所跟蹤的區(qū)域是否為人體，對(duì)已跟蹤的目標(biāo)序列進(jìn)行人臉檢測(cè)，如果能夠檢測(cè)到人臉，則將該目標(biāo)判定為人體，同時(shí)人臉檢測(cè)還確定了人臉識(shí)別所需要的區(qū)域，最后對(duì)多個(gè)攝像機(jī)中檢測(cè)到的人體和人臉區(qū)域進(jìn)行信息融合，實(shí)現(xiàn)攝像機(jī)網(wǎng)絡(luò)中的人體跟蹤。 在運(yùn)動(dòng)目標(biāo)檢測(cè)中，研究了靜態(tài)和動(dòng)態(tài)兩種場(chǎng)景下的背景消減算法。室內(nèi)環(huán)境(靜態(tài)場(chǎng)景)下采用單高斯模型，而室外環(huán)境(動(dòng)態(tài)場(chǎng)景

3、)下采用混合高斯模型，有效地完成運(yùn)動(dòng)目標(biāo)的檢測(cè)任務(wù)，同時(shí)利用失真模型解決了運(yùn)動(dòng)陰影問(wèn)題。 針對(duì)單目攝像機(jī)，比較了三種流行的目標(biāo)跟蹤算法：基于連通區(qū)域、基于Mean shift 和基于粒子濾波器的跟蹤算法，最后提出了一種融合三種算法優(yōu)點(diǎn)的算法。在沒(méi)有遮擋的時(shí)候，采用快速的基于連通區(qū)域的算法；而存在遮擋時(shí)，采用融合Mean shift 的粒子濾波器算法，即在粒子濾波器框架下，對(duì)每個(gè)粒子采用Mean Shift算法進(jìn)行跟蹤，這樣大大減

4、少了處理的時(shí)間，同時(shí)提高了跟蹤的精度。 為了判定所跟蹤目標(biāo)是否為人體，同時(shí)定位人臉識(shí)別所需的人臉區(qū)域，研究了人臉檢測(cè)算法。不同于傳統(tǒng)的人臉檢測(cè)，本文針對(duì)視頻監(jiān)控中人體圖像分辨率較低的特點(diǎn)，采用了人體上半身的局部信息(人臉區(qū)域、人的肩部、頭部)進(jìn)行檢測(cè)的方法。提取上半身的Harr特征，利用Adaboost算法完成訓(xùn)練和檢測(cè)。 本文將攝像機(jī)網(wǎng)絡(luò)中的人體跟蹤問(wèn)題簡(jiǎn)化為人體的識(shí)別問(wèn)題。視頻監(jiān)控中的人體圖像較為模糊，使得流行的識(shí)別