基于改進(jìn)ViBe和機(jī)器學(xué)習(xí)的行人頭肩檢測方法.pdf

1、現(xiàn)如今，視頻監(jiān)控技術(shù)廣泛應(yīng)用于銀行、超市、車站以及學(xué)校等公共區(qū)域的行人監(jiān)測。但是現(xiàn)有視頻監(jiān)控系統(tǒng)僅處于對視頻的記錄階段，無法精準(zhǔn)捕捉運(yùn)動行人及其清晰外貌，這給公安刑偵人員調(diào)查取證帶來一定困難。因此，研究視頻監(jiān)控中的行人檢測與清晰外貌捕捉方法具有重大意義。頭肩檢測作為行人外貌捕捉的關(guān)鍵步驟，其目的在于準(zhǔn)確地獲取行人頭肩位置，為行人清晰外貌的捕捉提供可靠的前提條件。本文應(yīng)用圖像處理與機(jī)器學(xué)習(xí)技術(shù)，開展了公共區(qū)域下行人頭肩檢測方法研究，主要研

2、究內(nèi)容分為三個模塊，分別是運(yùn)動目標(biāo)檢測模塊、行人頭肩檢測模塊以及主從攝像機(jī)聯(lián)動標(biāo)定模塊，具體工作及創(chuàng)新點(diǎn)如下：
　?。?）針對行人清晰外貌捕捉要求，采用魚眼攝像機(jī)結(jié)合PTZ攝像機(jī)設(shè)計主從式監(jiān)控系統(tǒng)，同時針對主從攝像機(jī)之間的聯(lián)動要求，應(yīng)用數(shù)據(jù)擬合的空間標(biāo)定算法，在合理選取樣本點(diǎn)的基礎(chǔ)上，依據(jù)樣本點(diǎn)在魚眼攝像機(jī)中的像素位置和PTZ攝像機(jī)拍攝樣本點(diǎn)所需旋轉(zhuǎn)的角度生成查找表，完成主從攝像機(jī)之間的聯(lián)動標(biāo)定，實現(xiàn)了主從攝像機(jī)之間的聯(lián)動要求。在

3、整體行人頭肩檢測與清晰外貌捕捉系統(tǒng)搭建完成后的驗證表明，每5ms就可以完成一次主從攝像機(jī)之間的聯(lián)動。
　?。?）針對傳統(tǒng)ViBe算法中存在的“死區(qū)”以及運(yùn)動目標(biāo)陰影干擾問題，提出了結(jié)合感知哈希算法和基于圖像RGB色彩信息的高斯拉普拉斯差分算法的改進(jìn)ViBe算法，實現(xiàn)了對“死區(qū)”的抑制，消除了運(yùn)動目標(biāo)陰影，完成了對視場范圍內(nèi)運(yùn)動目標(biāo)的檢測。實驗表明，相較于傳統(tǒng)ViBe算法在視頻的1315幀才能完成對“死區(qū)”的抑制，改進(jìn)后的ViBe算

4、法僅在視頻的15幀就完成了對“死區(qū)”的抑制，同時沒有了運(yùn)動陰影的干擾。
　?。?）針對行人頭肩檢測過程中誤檢率高的問題，提出兩階段頭肩檢測算法：首先，使用基于AdaBoost思想的級聯(lián)分類算法訓(xùn)練HOG特征生成第一階段頭肩檢測器，檢測出行人頭肩部位的“候選區(qū)域”；接著，使用SVM分類算法訓(xùn)練ORB特征生成第二階段頭肩檢測器，對“候選區(qū)域”進(jìn)行第二次檢測，并以此為最終結(jié)果。實驗表明，兩階段檢測算法頭肩檢測準(zhǔn)確率達(dá)到了80.86%，相