復(fù)雜背景下多行人運動的檢測與跟蹤.pdf

1、多行人目標檢測與跟蹤技術(shù)在智能視頻監(jiān)控、智能交通、現(xiàn)代國防等眾多領(lǐng)域都具有重要的研究價值和應(yīng)用價值。由于場景的復(fù)雜性、行人目標的多變性等因素，研究出具魯棒性、可靠性的多行人運動目跟蹤算法面臨著巨大的挑戰(zhàn)。本文基于前人提出的研究成果，嘗試總結(jié)多行人目標跟蹤算法，找到較優(yōu)秀者并作適當改進，解決了一定的跟蹤難題。
　　本文從行人目標的特性入手，研究目前常用的一些行人特征提取方法。特征提取有助于對圖像內(nèi)的待跟蹤目標進行定位，是基于靜態(tài)圖像

2、的行人檢測的基礎(chǔ)。本文對幾種行人特征提取方法進行總結(jié)與評價，提出特征算子兩兩聯(lián)合的組合方案，分析這些方案的可行性，選取其中三種組合方案即Haar-LBP、Haar-HOG和LBP-HOG進行實驗，對比各自優(yōu)勢和不足。據(jù)此提出一種利用Haar-LBP特征和LBP-HOG特征的二階層特征提取算法及相應(yīng)的行人檢測策略，實驗表明該特征提取方法對于基于靜態(tài)的圖像的行人檢測表現(xiàn)優(yōu)秀。對于基于動態(tài)視頻幀的行人檢測，本文重點介紹三種背景減除方法:混合背

3、景高斯建模較經(jīng)典，其檢測效果佳，但受陰影影響較大;對碼本建模算法，在判斷亮度時采用RGB-YUV顏色空間上的轉(zhuǎn)換，一方面將平方運算改為線性變換，提高運行速度，另一方面保留前景目標的顏色外觀，以便可以在跟蹤階段將顏色作為外觀特征的一部分來進行目標的身份識別;基于像素的自適應(yīng)分割算法是較新穎的另一種無參數(shù)背景建模方法，其原理直觀，易于實現(xiàn)。對三種背景減除法進行對比實驗，評估其檢測運動前景的性能。對行人目標的判別，本文介紹星形向量法與垂直投影

4、法，并聯(lián)系特征提取部分，提出先背景減除后特征提取的行人判別法，通過實驗對比星形向量法與特征提取行人識別法的行人判別效果。
　　目標跟蹤部分，本文對基于數(shù)據(jù)關(guān)聯(lián)的跟蹤算法進行研究。其中選取兩種方法進行研究:基于上下文推理的實時行人跟蹤算法能夠利用有限狀態(tài)機(FSA)模型，判斷并保存目標先前狀態(tài)，根據(jù)目標當前特征及前一個狀態(tài)對“語境”做出分析，推斷目標當前狀態(tài);基于離散-連續(xù)優(yōu)化的多行人跟蹤算法是通過檢測階段得到的結(jié)果建立多種軌跡假設(shè)