行人視頻檢測與跟蹤方法研究.pdf

1、目前，在智能交通系統(tǒng)中，計算機視覺技術得到廣泛應用，視頻檢測和跟蹤技術是其中的重點。視頻檢測技術是指在視頻圖像中發(fā)現(xiàn)并定位目標，視頻跟蹤技術是對檢測到的目標進行連續(xù)跟蹤，它以視頻檢測技術為基礎。我國城市交通具有車輛和行人混合的特點，本文針對行人展開視頻檢測和跟蹤研究。
　　本文提出一種檢測和定位行人頭部的方法，在此基礎上定位出圖像中的行人。該方法利用行人頭部特征，通過混合顏色模型、Canny邊緣檢測和Hough變換，確定行人頭部的

2、位置和大小，進而確定行人的位置和大小。
　　本文利用Mean Shift算法進行目標跟蹤研究。Mean Shift算法是一種基于梯度的無參數(shù)概率密度估計方法，采用核函數(shù)直方圖的形式建模。在視頻序列的第一幀中由用戶手動選擇跟蹤目標，并利用直方圖對目標進行建模，在后續(xù)幀中，用Bhattacharyya系數(shù)進行相似性度量，迭代地搜索與目標最為相似的區(qū)域。在眾多跟蹤算法中，Mean Shift算法理論嚴謹、跟蹤性能好、簡單易實現(xiàn)，適應于行

3、人跟蹤。但Mean Shift算法也存在一些問題，如不能自動選擇跟蹤目標，搜索窗寬度不能根據(jù)目標大小的變化進行自適應調整，在目標運動速度快時容易丟失目標等。
　　針對Mean Shift算法不能自動選擇跟蹤目標的問題，本文提出基于行人頭部檢測的改進算法:在第一幀檢測并定位行人頭部，在此基礎上進行位置轉換，確定搜索窗口的中心點和長度、寬度，從而實現(xiàn)跟蹤區(qū)域的自動選擇。
　　本文提出Bhattacharyya系數(shù)判斷方法，通過分

4、析目標區(qū)域和背景相似程度的變化，判斷目標可能出現(xiàn)的速度過快等情況，從而有針對性地進行處理。針對目標速度過快的情況，本文引入Kalman濾波對Mean Shift算法進行改進。在目標運動正常時，Kalman濾波進行輔助跟蹤。當判斷目標出現(xiàn)速度過快的情況時，利用Kalman濾波預測目標在下一幀的位置，以預測位置為起點進行Mean Shift搜索，用Mean Shift的跟蹤結果作為觀測值修正Kalman濾波，從而得到目標的準確位置，然后在下