智能視頻監(jiān)控中的行人檢測(cè)與跟蹤算法研究.pdf

1、智能視頻監(jiān)控是計(jì)算機(jī)視覺領(lǐng)域一個(gè)新興的應(yīng)用方向，是計(jì)算機(jī)視覺、圖像處理、模式識(shí)別、人工智能等多學(xué)科的結(jié)合。在智能視頻監(jiān)控中，行人是主要的關(guān)注對(duì)象。因此研究一個(gè)魯棒的行人檢測(cè)和跟蹤算法具有重要意義。本文主要研究利用基于Boosting類的算法分別解決行人檢測(cè)和行人跟蹤問題的方法。主要的研究工作和創(chuàng)新見解如下： 1.針對(duì)訓(xùn)練樣本稀缺的情況，提出了一種面向不均衡小樣本集的Boosting訓(xùn)練算法，該算法通過在訓(xùn)練過程中逐步加入人工合成

2、樣本，對(duì)已選定的弱分類器進(jìn)行擾動(dòng)，并自適應(yīng)地平衡訓(xùn)練集中的正負(fù)樣本比例，與當(dāng)前的其他算法相比較，本文算法提高了分類器泛化能力。 2.實(shí)現(xiàn)了一個(gè)基于運(yùn)動(dòng)特征的行人檢測(cè)器，使用Adaboost算法構(gòu)建級(jí)聯(lián)結(jié)構(gòu)的行人檢測(cè)器，加速了檢測(cè)過程。 3.完成了一個(gè)基于online Boosting算法的行人檢測(cè)器，將監(jiān)控畫面劃分為若干的網(wǎng)格，對(duì)于每個(gè)網(wǎng)格使用online Boosting算法獨(dú)立的訓(xùn)練分類器，并融合所有的網(wǎng)格分類器的判

3、決結(jié)果來進(jìn)行行人檢測(cè)。該方法僅需要少量的正樣本就可以達(dá)到較高的檢測(cè)率。 4.提出了一種融合先驗(yàn)知識(shí)的自適應(yīng)行人跟蹤算法，將行人檢測(cè)的先驗(yàn)知識(shí)融入到跟蹤模型的自學(xué)習(xí)過程。首先通過離線訓(xùn)練，得到具有較強(qiáng)區(qū)分能力的子分類器集，這些子分類器中蘊(yùn)含了對(duì)于行人的先驗(yàn)知識(shí)；在跟蹤過程中，使用online boosting算法從離線訓(xùn)練的子分類器集成強(qiáng)分類器，對(duì)被跟蹤的行人動(dòng)態(tài)建模。實(shí)驗(yàn)結(jié)果表明，該算法有效地緩解了算法的自適應(yīng)性與“漂移”之間的