基于視頻的行人檢測與跟蹤方法研究.pdf

1、基于視頻的行人檢測與跟蹤算法研究是計算機視覺領域的一個熱點研究方向，該研究在智能交通、智能監(jiān)控、機器人、視頻濃縮與傳輸等領域都有著非常廣泛的應用前景。然而，由于檢測環(huán)境的復雜性以及行人姿態(tài)各異，同時存在遮擋和干擾等其他因素的影響，使得該研究仍面臨著許多困難，檢測的準確度和跟蹤的穩(wěn)定度都有待進一步提高。
　　本文在研究行人檢測與跟蹤中現有的算法基礎之上，著重對以下幾個問題進行了改進：
　　1、由于行人的非剛性特征，目標的特征提

2、取就成為檢測的關鍵性問題。本文首先對現有的行人特征描述算子進行分析，最后確定出采用方向梯度直方圖（Histogram of Oriented Gradient,HOG）特征和LUV顏色特征進行多特征融合來對行人進行描述，使得檢測的準確率提高。
　　2、針對背景減除法中靜止物體存在的空洞、易受光照影響等問題，本文詳細研究了產生問題原因，并提出了解決方法。另外，針對行人跟蹤過程中經常出現的行人相互遮擋影響跟蹤準確度的問題，本文深入分析

3、了相互遮擋的具體過程，對遮擋情況進行建模，使得在行人跟蹤過程中出現的相互遮擋情形也能準確的跟蹤，而且這種模型可以擴展到其他遮擋場景。
　　3、詳細研究了復雜場景中的跟蹤不穩(wěn)定問題原因，針對Online Boosting方法能夠進行實時更新的特點，本文采用Online Boosting進行在線更新的方法來改進粒子濾波模型，使得在遮擋和復雜場景中能穩(wěn)定的跟蹤目標。實驗結果表明，本文所采用的基于Online Boosting的粒子濾波行