監(jiān)控視頻中行人檢測算法研究.pdf

1、智能視頻監(jiān)控系統(tǒng)是計算機(jī)視覺領(lǐng)域中重要研究方向，被廣泛的應(yīng)用于公共安全領(lǐng)域、人機(jī)交互領(lǐng)域，同時也是汽車輔助系統(tǒng)的關(guān)鍵技術(shù)之一。因為人是智能視頻監(jiān)控系統(tǒng)重點關(guān)注對象，從而使得行人檢測又是智能視頻監(jiān)控系統(tǒng)中的熱點問題，但是人屬于非剛性物體，具有姿態(tài)多樣性，另外行人外貌與穿著不盡相同，加上檢測環(huán)境復(fù)雜性如光照的變化等都會給行人檢測技術(shù)帶來了巨大挑戰(zhàn)，當(dāng)前主流行人檢測方法是基于機(jī)器學(xué)習(xí)的方式展開，本文從行人檢測的主流方法入手，并結(jié)合運動目標(biāo)檢測

2、算法與行人跟蹤算法設(shè)計并實現(xiàn)了一套在行人檢測精度與實時性兩方面都取得良好表現(xiàn)的行人檢測系統(tǒng)。本文主要做的工作如下。
　　首先本文對比研究了多種國內(nèi)外提出的背景建模算法，并按照整套行人檢測系統(tǒng)的實時性與精確性要求，選擇ViBe模型來提取運動目標(biāo)的二值掩碼圖，采用聯(lián)合濾波算法將離散前景目標(biāo)進(jìn)行濾波使其形成完整團(tuán)塊，然后使用三次掃描連通域標(biāo)記算法獲得團(tuán)塊的基本信息，同時還采用了圖像降采樣與圖像去噪處理來提高運動目標(biāo)檢測模塊的速度與效果。

3、
　　然后在運動目標(biāo)檢測的基礎(chǔ)上本文采用基于機(jī)器學(xué)習(xí)方式來對行人進(jìn)行分類，將HOG特征與改進(jìn)的softcascade分類器結(jié)合來對行人進(jìn)行多尺度檢測，本文采用行人頭肩檢測與行人人體檢測相結(jié)合的方式來檢測行人，通過頭肩檢測來解決行人之間的遮擋問題，利用行人人體檢測來降低行人檢測誤檢率。并采用金字塔搜索的方式來解決監(jiān)控視頻中行人尺度不同的問題。
　　最后考慮到行人檢測系統(tǒng)的實時性要求，本文又加入了基于多特征模板匹配的行人跟蹤算法