視頻行人檢測(cè)與跟蹤的方法研究.pdf

1、基于視頻的行人目標(biāo)檢測(cè)和跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域的一個(gè)重要的研究方向，該研究在智能監(jiān)控等領(lǐng)域有著廣泛的應(yīng)用前景。智能化監(jiān)控系統(tǒng)不僅具有重要的實(shí)際應(yīng)用價(jià)值，并且對(duì)人工智能、模式識(shí)別以及計(jì)算機(jī)視覺(jué)的其他領(lǐng)域具有重要的推動(dòng)作用。行人目標(biāo)檢測(cè)和跟蹤的任務(wù)是實(shí)現(xiàn)檢測(cè)視頻中的行人目標(biāo)，并對(duì)檢測(cè)到的行人進(jìn)行跟蹤。雖然該領(lǐng)域的許多科研學(xué)者經(jīng)過(guò)長(zhǎng)時(shí)間的不懈研究，已經(jīng)提出了很多優(yōu)秀的行人檢測(cè)和跟蹤的理論與算法，但實(shí)踐表明這些行人目標(biāo)檢測(cè)和跟蹤的算法都有或多或少

2、的不足，考慮到算法應(yīng)用的實(shí)際場(chǎng)景和環(huán)境，提出一種適用于眾多復(fù)雜場(chǎng)景的智能化行人檢測(cè)和跟蹤系統(tǒng)己成為當(dāng)前的迫切需求。本文主要對(duì)行人目標(biāo)檢測(cè)和跟蹤的關(guān)鍵技術(shù)問(wèn)題展開(kāi)研究，內(nèi)容總結(jié)如下：
　　(1)采用混合多尺度可變形部件模型來(lái)表征檢測(cè)行人的模型。該模型可以適應(yīng)非剛體行人多變的外表，提高行人正確檢測(cè)率。該模型基于可變形部件模型( Deformable Part Models)，由多個(gè)DPM組成。DPM模型為星型結(jié)構(gòu)，由一個(gè)低分辨率的根濾

3、波器和一系列高分辨率的部件濾波器以及相應(yīng)的可變形模型組成。對(duì)比實(shí)驗(yàn)表明，采用基于混合多尺度可變形部件模型的行人檢測(cè)算法的正確檢測(cè)率明顯高于傳統(tǒng)算法。
　　(2)采用基于預(yù)測(cè)算法的快速特征金字塔計(jì)算行人特征。傳統(tǒng)的提取行人特征需要計(jì)算特征金字塔的每一個(gè)尺度，本文采用的快速特征金字塔只需計(jì)算每組一個(gè)尺度，其它尺度特征采用預(yù)測(cè)算法直接計(jì)算，這樣大大降低了計(jì)算特征金字塔的運(yùn)算量，此外，還節(jié)省了計(jì)算重采樣圖像的運(yùn)算量。對(duì)比試驗(yàn)表明，采用快速

4、算法提取行人特征的時(shí)間明顯小于采用傳統(tǒng)算法提取行人特征的時(shí)間，并且檢測(cè)性能也沒(méi)有損失。
　　(3)采用基于時(shí)變狀態(tài)空間模型的粒子濾波原理進(jìn)行行人跟蹤。本文采用的時(shí)變狀態(tài)空間模型加入了行人運(yùn)動(dòng)的加速度，可以克服跟蹤過(guò)程中粒子傳播的盲目性，提高粒子集的使用效率，使其隨著行人目標(biāo)運(yùn)動(dòng)速度的變化趨勢(shì)而改變，更加貼近行人的實(shí)際運(yùn)動(dòng)狀況，提高了粒子傳播的有效性和指導(dǎo)性。對(duì)比實(shí)驗(yàn)表明，改進(jìn)后的算法在行人非勻速運(yùn)動(dòng)時(shí)也可以準(zhǔn)確地定位行人的位置。<