監(jiān)控場景下的行人檢測與跟蹤及系統(tǒng)設計.pdf

1、視頻中的目標檢測與跟蹤是實現(xiàn)智能監(jiān)控系統(tǒng)的關(guān)鍵，在行為分析、輔助駕駛系統(tǒng)、機器人視覺等領域都有著廣泛的應用。而對行人的檢測與跟蹤是其中的關(guān)鍵環(huán)節(jié)之一，由于行人具有姿態(tài)多變性的特征，外觀易受衣著、尺度變化、遮擋和拍攝角度等因素的影響，包括監(jiān)控場景中的不確定因素，一直是圖像處理領域的研究熱點與難點。為了在監(jiān)控場景下準確的進行行人檢測與跟蹤工作，本文深入研究了行人檢測算法與行人跟蹤算法，并對相關(guān)的算法進行優(yōu)化，設計出了一套具有良好性能的行人檢

2、測與跟蹤系統(tǒng)。在設計出此系統(tǒng)的基礎上，本文研究的主要內(nèi)容和成果如下:
　　1、對經(jīng)典的行人檢測算法進行研究。圖像中的行人檢測流程包括圖像預處理、特征提取、分類器訓練和后處理過程，研究的主要內(nèi)容包括星型級聯(lián)可形變部件模型(starcascade Deformable Part Model，casDPM)、聚合通道特征(Aggregate Channel Features，ACF)，實現(xiàn)對圖像中行人的檢測;研究了二值范數(shù)梯度(Bina

3、rized Normed Gradients，BING)目標提取算法，并與行人檢測算法進行融合優(yōu)化;在后處理階段對非極大值抑制算法(Non-maximum Suppression，Nms)進行了改進。同時對改進模型的方法進行了擴展性驗證，并分別在INRIA數(shù)據(jù)集和實際監(jiān)控場景中進行仿真實驗分析，可以看出本文提出的行人檢測算法具有擴展性和魯棒性。
　　2、提出了改進的cas-CSK行人跟蹤算法。列舉了一些常用的行人跟蹤方法，并對Me

4、an-Shift算法、訓練-學習-檢測（Tracking-Learning-Detection，TLD）算法進行了簡要介紹;同時對基于核相關(guān)的循環(huán)矩陣(CSK)算法進行了詳細研究分析，結(jié)合行人檢測分類器，并根據(jù)實際情況對局部區(qū)域進行檢測，降低目標在遮擋、光照劇烈變化、姿態(tài)變化造成跟蹤窗口漂移的可能性，詳細介紹了改進算法的步驟，提出了改進的cas-CSK行人跟蹤算法;并在監(jiān)控場景中進行了實驗對比分析，驗證了改進的跟蹤算法具有一定的魯棒性。