視頻人體檢測(cè)算法研究.pdf

1、視頻中的人體檢測(cè)與追蹤，是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要研究方向。它的主要任務(wù)是，在連續(xù)的圖像序列中，檢測(cè)出人體目標(biāo)，并對(duì)其進(jìn)行追蹤，獲得人體運(yùn)動(dòng)的軌跡。人體檢測(cè)與追蹤，具有十分廣泛的應(yīng)用，尤其在智能視頻監(jiān)控、汽車助手和人機(jī)交互方面，扮演著不可替代的角色。本文在人體檢測(cè)與追蹤方面做了以下研究。
　　本文在基于梯度方向直方圖（HOG）特征的人體檢測(cè)算法的基礎(chǔ)上進(jìn)行了改進(jìn)，使用INRIA數(shù)據(jù)庫(kù)中的人體樣本訓(xùn)練線性SVM分類器，然后進(jìn)行人體檢

2、測(cè)。首先在OPP顏色空間計(jì)算像素梯度，為檢測(cè)窗口建立梯度方向直方圖，然后將其作為SVM分類器的輸入?yún)⑴c訓(xùn)練和檢測(cè)。本文通過(guò)圖像縮放，逐層使用檢測(cè)窗進(jìn)行密集掃描，檢測(cè)所有可能的人體。相比于RGB空間，該算法取得了更準(zhǔn)確的檢測(cè)效果，誤檢率也明顯降低。
　　當(dāng)視頻中人群較密集時(shí)，采用先檢測(cè)單個(gè)人體后對(duì)人群計(jì)數(shù)的方法可能存在較大誤差。對(duì)此問(wèn)題，本文提出基于獨(dú)立運(yùn)動(dòng)的人群計(jì)數(shù)算法。使用KLT算法選取可靠的角點(diǎn)特征，追蹤得到它們的運(yùn)動(dòng)軌跡。最

3、后，通過(guò)空間聚類和運(yùn)動(dòng)一致性聚類，計(jì)算場(chǎng)景中獨(dú)立運(yùn)動(dòng)的數(shù)量，并估計(jì)人體數(shù)量。在獨(dú)立運(yùn)動(dòng)突出的場(chǎng)景，使用該算法進(jìn)行人體計(jì)數(shù)，相比于使用表觀特征檢測(cè)人體的方法，取得了更準(zhǔn)確的結(jié)果。
　　在不需要對(duì)人體數(shù)量做出準(zhǔn)確估計(jì)，而只需判斷場(chǎng)景中目標(biāo)規(guī)模是否構(gòu)成人群時(shí)，本文提出基于霍夫變換的人群檢測(cè)算法。給定連續(xù)的圖像序列，將其固定位置的像素取出，組成時(shí)間—空間圖像，則時(shí)域運(yùn)動(dòng)的點(diǎn)會(huì)在時(shí)空?qǐng)D中形成一條直線，然后通過(guò)霍夫變換，將這些直線映射到霍夫參