基于梯度直方圖和支持向量機的人體目標跟蹤.pdf

1、如何實現(xiàn)人體目標的檢測與跟蹤是自主機器人研究領(lǐng)域的關(guān)鍵問題之一，廣泛應(yīng)用于視覺監(jiān)控系統(tǒng)，服務(wù)行業(yè)及人機交互方面。傳統(tǒng)的基于單目視覺的目標跟蹤算法主要依靠目標的顏色模型，對于目標及背景有較高的要求，且在實際應(yīng)用中現(xiàn)有的跟蹤算法常受諸多因素制約，如人體目標出現(xiàn)和消失位置的不固定、運動軌跡多樣、目標的遮擋和目標本身的旋轉(zhuǎn)等，另外對于相對比較復(fù)雜的室外環(huán)境難以保證跟蹤的效果。
　　 本論文目標為解決實驗室室內(nèi)及室外環(huán)境中人體目標的檢測及

2、跟蹤問題，致力于研究魯棒性較強的特征描述符算法，將圖像區(qū)域編碼成高維特征向量來完成高精度的是否為人體的檢測。本文方法使用低水平的表象及輪廓信息來檢測人體，避免了傳統(tǒng)的顏色模型，并且對于旋轉(zhuǎn)、尺度縮放、亮度變化都能保持很好的不變性，為了測試特征描述符的有效性，使用相對簡單的支持向量機作為分類器。
　　 人體目標檢測問題的核心是目標的前景觀測，本論文中使用局部標準化的梯度方向直方圖作為特征描述符，主要由圖像的梯度計算而來，但最大的特

3、點是基于密集統(tǒng)一的局部空間網(wǎng)格區(qū)域來計算的，并且采用重疊描述符的標準化來表述圖像特征以提高整個算法的性能。在人體目標檢測時用偵查窗口對整個圖像的多尺度及位置進行掃描，并且在每個位置上執(zhí)行已經(jīng)訓(xùn)練好的分類器進行判別，判別時主要依據(jù)的是支持向量機經(jīng)過學(xué)習(xí)得到的離線參數(shù)。
　　 此外還實現(xiàn)了基于貝葉斯框架下的多人體目標跟蹤。在基于較為準確的梯度直方圖人體目標檢測算法基礎(chǔ)上，為已獲知的目標建立非恒速運動方程，采用卡爾曼濾波對目標進行持續(xù)