基于視頻圖像的多運動行人目標檢測與跟蹤技術研究.pdf

1、多行人目標檢測與跟蹤技術在智能視頻監(jiān)控、現(xiàn)代國防等眾多領域都具有重要的研究價值和應用價值。由于場景的復雜性、行人目標的多變性等因素，在復雜的背景環(huán)境下開發(fā)一套魯棒的視頻跟蹤算法面臨著巨大的挑戰(zhàn)。本文在前人研究的基礎上，開發(fā)出一套多行人的跟蹤系統(tǒng)，解決了一定的跟蹤難題。
　　首先對于行人檢測部分，本文研究了基于靜態(tài)的圖像的檢測算法和基于動態(tài)視頻的檢測算法。對于基于靜態(tài)的圖像的檢測，本文通過對HOG特征和LBP特征的研究，提出了一種改

2、進的HOG-LBP特征，即將兩特征串聯(lián)起來，再進行SVM分類時，成功的概率大大提升；對于基于動態(tài)視頻的檢測，本文通過對基本碼本算法和在YUV顏色空間建立的碼本算法的研究，本文在YCbCr顏色空間建立了碼本背景模型，使得運行速度加快，檢測率也有所提升；對二值圖進行行人目標識別，本文采用可分割互相遮擋的目標的垂直投影直方圖算法。
　　然后對于行人跟蹤部分，本文首先對比了常見的三種跟蹤算法(meanshift、camshift和卡爾曼濾

3、波)的跟蹤結果，通過對其原理的分析得出三種算法對背景環(huán)境都有所限制：meanshift算法和camshift算法限制于低速的運動，卡爾曼濾波算法限制于線性、高斯的情況，從而引出應用更加廣泛、改進空間更大、跟蹤的效果更好的粒子濾波算法以及本文對其進行的改進。
　　對于粒子濾波算法，本文首先對其基本原理、流程和發(fā)展過程作了詳細介紹；其次考慮到基本的粒子濾波算法將算法觀測模型建立在單一的顏色信息上，缺乏對目標信息全面的描述，導致算法的魯

4、棒性不高，本文對算法的觀測模型進行了有效的改進：不僅考慮目標的顏色信息，更增加了目標的形狀信息，并且對二者的權值通過模糊邏輯進行自適應調節(jié)，做到實時更新，這樣更加全面、有效地描述了目標，使得改進粒子濾波算法的性能大大提升，能夠解決行人目標旋轉、變形的難題，最后通過實驗驗證其在實際應用中的有效性。
　　最后，根據(jù)對上述兩個關鍵部分的研究和改進，本文提出了一套多行人自動跟蹤系統(tǒng)。系統(tǒng)分為兩個環(huán)節(jié)—開環(huán)控制環(huán)節(jié)和閉環(huán)控制環(huán)節(jié)，通過運行遮