基于組件表示和協(xié)同檢測的人體跟蹤算法研究.pdf

1、基于視頻的人的檢測與跟蹤是計算機視覺領域熱點的研究方向之一,它在智能視頻監(jiān)控、軍事偵察監(jiān)視、交通管理、無人駕駛、視頻壓縮、基于內(nèi)容的視頻檢索、人機接口、機器人控制、視頻編輯等領域有著廣泛的應用,并發(fā)揮著舉足輕重的作用。
　　 本文研究在背景中存在相似干擾,背景和目標的外觀隨著時間存在較大的變化,人體存在較大的形變等情況下的人的快速檢測和跟蹤:利用基于HOG特征和Pictorial Structure框架的級聯(lián)分類器對視頻中的人進

2、行快速檢測,并利用檢測結(jié)果初始化跟蹤器；通過融合人的形狀約束和在線外觀約束的人體模型對人體進行跟蹤,并綜合歷史跟蹤結(jié)果對目標的外觀模板進行建模和更新。本研究主要創(chuàng)新點包括：⑴提出了一個基于組件表示的融合人體形狀約束和外觀約束的人體跟蹤模型。利用HOG特征,基于Pictorial Structure框架基礎上利用SVM離線訓練出人的形狀模型。在跟蹤的過程中利用該形狀模型約束和目標外觀模板的約束來對目標的可能出現(xiàn)的位置進行篩選。相對傳統(tǒng)的單

3、靠在線維持目標的外觀模板來對目標進行跟蹤,本文的方法可以克服背景中跟目標具有相似外觀的干擾物的干擾,確保跟蹤過程中目標始終具有人的形狀。另外基于組件表示的跟蹤模型能夠?qū)π巫冚^大的人體進行跟蹤,對人的局部遮擋也能很好的處理。⑵提出了一種綜合歷史跟蹤結(jié)果來對目標的外觀模板進行建模和更新的方法。該方法對歷史跟蹤結(jié)果中較好地符合人體形狀約束的外觀集合進行聚類,用聚類的中心來對目標的外觀模板進行建模。這可以克服傳統(tǒng)算法,單靠在線維持單個外觀模板所