視頻行人檢測及跟蹤的關鍵技術(shù)研究.pdf

1、目標檢測和視覺跟蹤是計算機視覺領域的基本內(nèi)容和研究熱點，在視頻監(jiān)控、智能交通、機器人導航、智能車輛駕駛輔助和人機交互等領域有著重要的應用。實際公共場所中遍布著各種攝像頭來輔助管理和安全監(jiān)控，如地鐵、機場、銀行和交通路口等地。這些應用主要關注的對象是行人和汽車等，非常依賴于目標檢測和視覺跟蹤方法。目標檢測和視覺跟蹤二者關系密切并且都存在不少問題。這兩個方向關鍵技術(shù)的研究發(fā)展及其在視頻監(jiān)控和智能交通等領域的應用有著重要的意義。本文面向視頻監(jiān)

2、控和智能交通，對視覺跟蹤、多人跟蹤和行人檢測的一些關鍵問題展開了研究和改進。
　　 視覺跟蹤著重在跟蹤的實用性上，即面對常發(fā)生的局部遮擋、外觀變化、轉(zhuǎn)動、背景干擾等困難情況，能夠持續(xù)穩(wěn)健地跟蹤目標。單一特征或模型能夠提取或?qū)W習目標的部分視覺特性，具有一些優(yōu)點且能較好地解決一些跟蹤問題。然而對于視覺跟蹤，單一特征或模型也常有其缺點和不足之處。本文對于兩種流行的視覺跟蹤方法結(jié)合其他的特征或模型進行了研究改進，使得這兩種方法提高了跟蹤

3、性能和穩(wěn)健性。本文所做研究工作和創(chuàng)新性貢獻主要表現(xiàn)如下:
　　 (1)提出了一種基于合成子空間的跟蹤方法。增量本征子空間能有效地學習目標外觀的主要模式且跟蹤性能好。然而不能適應較快的外觀變化。線性子空間恰能迅速學習最新的外觀模式，本文將二者巧妙地結(jié)合起來得到合成子空間，同時具備二者的優(yōu)點，提高了跟蹤方法的適應能力和穩(wěn)健性。
　　 (2)提出了一種基于特征選擇的多子塊跟蹤方法。多子塊跟蹤方法效率高且能解決遮擋問題。子塊生成

4、方法和跟蹤特征是其關鍵技術(shù)。RGB加權(quán)特征能克服子塊直方圖的稀疏問題，并可選擇出當前的最優(yōu)區(qū)分特征來適應目標外觀和背景的變化。基于最優(yōu)特征，提出了一種生成跟蹤子塊的方法。該跟蹤方法能在遮擋和背景復雜等情況下穩(wěn)健地跟蹤一般性目標。
　　 近幾年，多行人跟蹤和行人檢測發(fā)展迅速，也是視頻監(jiān)控等領域的關鍵技術(shù)。本文所做研究工作和創(chuàng)新性貢獻主要表現(xiàn)如下:
　　 (1)提出了一種基于在線雙層關聯(lián)的多行人跟蹤方法?；谧榆壽E的多行人跟

5、蹤方法是近年的一類優(yōu)秀方法。該類方法包含生成子軌跡和關聯(lián)子軌跡兩個部分。針對串聯(lián)檢測結(jié)果生成子軌跡的方法，采用粒子濾波跟蹤來進行改進。有效地改善了因漏檢和虛警等導致的子軌跡過分散問題，獲得更準確及更長的子軌跡。先前方法在很長時間后才對子軌跡進行全局關聯(lián)。本文提出一種在線關聯(lián)子軌跡的方法，能實現(xiàn)準實時跟蹤關聯(lián)。實驗結(jié)果表明此方法跟蹤性能好，在實際擁擠場景下能有效地進行多行人跟蹤。
　　 (2)針對視頻監(jiān)控，提出了一種基于Tff處理