基于活動(dòng)輪廓模型的行人檢測方法研究.pdf

1、視頻序列中的目標(biāo)運(yùn)動(dòng)分析是計(jì)算機(jī)視覺技術(shù)領(lǐng)域的重要組成部分。運(yùn)動(dòng)分析包括運(yùn)動(dòng)目標(biāo)的初始位置的確定、目標(biāo)輪廓的提取、目標(biāo)的檢測和跟蹤、目標(biāo)的識(shí)別和理解等內(nèi)容。運(yùn)動(dòng)目標(biāo)初始位置的精確確定和目標(biāo)輪廓的精確提取是接下來要進(jìn)行的目標(biāo)跟蹤、目標(biāo)識(shí)別以及目標(biāo)理解的前提條件,對(duì)后續(xù)工作有至關(guān)重要的作用。運(yùn)動(dòng)序列中的行人檢測是運(yùn)動(dòng)目標(biāo)分析的一個(gè)重要方向,在智能監(jiān)控、人體行為分析等領(lǐng)域有廣泛的應(yīng)用前景和經(jīng)濟(jì)效益。
　　 活動(dòng)輪廓模型自1987年提出

2、以來,得到了廣泛的關(guān)注,在計(jì)算機(jī)視覺領(lǐng)域有廣泛的應(yīng)用。活動(dòng)輪廓模型在對(duì)變形物體的研究方面有天然的優(yōu)勢,是因?yàn)樗妮喞€可以靈活的變化,是“活動(dòng)的”。視頻序列中的行人是典型的變形目標(biāo),利用活動(dòng)輪廓模型的“活動(dòng)的”獨(dú)特之處,可以有效的實(shí)現(xiàn)對(duì)行人目標(biāo)的檢測。
　　 在本論文中,提出了利用改進(jìn)的活動(dòng)輪廓模型來檢測視頻序列中的行人。首先,我們利用背景差分法得到行人的初始化輪廓線代替手動(dòng)標(biāo)定,克服了手動(dòng)標(biāo)定存在的不穩(wěn)定性等一系列問題。其次

3、,對(duì)活動(dòng)輪廓模型的內(nèi)能項(xiàng)的計(jì)算方法加以改進(jìn)。用輪廓曲線中所有相鄰控制點(diǎn)之間距離的平均距離與控制點(diǎn)之間距離的平方這種方法來計(jì)算內(nèi)能,而不是用傳統(tǒng)的長度來表示內(nèi)能,克服了現(xiàn)有方法控制點(diǎn)分布不均的缺點(diǎn)。并且創(chuàng)建局部能量窗口來尋找能量的最優(yōu)解,利用這種算法既能加大圖像力的作用范圍,又可以獲得較小的計(jì)算量,提高了活動(dòng)輪廓模型的收斂速度。這種方法可以增強(qiáng)物體輪廓的連續(xù)性,并且使得控制點(diǎn)能夠均勻分布,避免控制點(diǎn)的聚集現(xiàn)象。再次,貪婪算法的運(yùn)用。提出了

4、利用貪婪算法來獲取最小能量,從而獲得圖像輪廓。而不是運(yùn)用傳統(tǒng)的變分方法。貪婪算法就是一種不需要得到最優(yōu)解,只希望得到較為滿意的解的方法。貪婪算法一般能夠較為快速的得到較為滿意的解,它省去了為找到最優(yōu)解而要窮盡所有可能的解所必須耗費(fèi)的大量時(shí)間。貪婪算法常以當(dāng)前情況為基礎(chǔ)作最優(yōu)選擇,而不考慮各種可能的整體情況,所以貪婪算法不要求回溯。相比較其他的能量最小化算法來說,貪婪算法具有可靠、穩(wěn)定、允許添加外界約束等優(yōu)點(diǎn),而且算法的復(fù)雜度極大的降低。