基于序列圖像的行人檢測(cè)與跟蹤方法研究.pdf

1、運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤是計(jì)算機(jī)視覺(jué)領(lǐng)域和模式識(shí)別領(lǐng)域中研究的熱點(diǎn)，廣泛應(yīng)用于視頻監(jiān)控、運(yùn)動(dòng)分析、機(jī)器人導(dǎo)航、異常檢測(cè)、視頻會(huì)議、智能交通等領(lǐng)域。但由于受到目標(biāo)本身、算法及環(huán)境干擾等因素的影響，如何實(shí)現(xiàn)穩(wěn)定、準(zhǔn)確、快速的視覺(jué)跟蹤仍是一個(gè)挑戰(zhàn)。本文從具體應(yīng)用展開(kāi)研究，研究了基于雙目視覺(jué)傳感器 Kinect的俯視行人檢測(cè)、跟蹤及計(jì)數(shù)算法，即利用kinect設(shè)備同時(shí)獲取同一場(chǎng)景的彩色圖像及深度圖像，并對(duì)彩色圖像及深度信息進(jìn)行綜合分析，檢測(cè)密集場(chǎng)景下

2、的人群目標(biāo)，進(jìn)而實(shí)現(xiàn)俯視行人的跟蹤與計(jì)數(shù)。主要研究工作如下：
　　首先，對(duì)圖像進(jìn)行預(yù)處理，包括彩色圖像校正、深度圖像修補(bǔ)、運(yùn)動(dòng)目標(biāo)提取及形態(tài)學(xué)處理。針對(duì)彩色圖像與深度圖像在空間位置上的不匹配問(wèn)題，即由于 Kinect三個(gè)鏡頭空間位置分布不同而引起的圖像差異，本文采用三對(duì)三仿射變換進(jìn)行補(bǔ)償，以達(dá)到期望的結(jié)果。針對(duì)深度圖像中存在的空洞問(wèn)題，即深度圖像中存在很多像素不確定的點(diǎn)，本文利用改進(jìn)的聯(lián)合雙邊濾波器對(duì)深度圖像進(jìn)行修補(bǔ)，以獲得更為真

3、實(shí)的、準(zhǔn)確的深度圖像。再利用背景差分算法提取運(yùn)動(dòng)目標(biāo)，最后進(jìn)行形態(tài)學(xué)處理，從而保證運(yùn)動(dòng)目標(biāo)檢測(cè)與跟蹤的精度。
　　其次，本文針對(duì)深度圖像中俯視行人的特點(diǎn)，分別采用非極大值抑制算法（Non-Maximum Suppression，NMS）、隨機(jī)霍夫圓變換（RandomHough Transform，RHT）、快速?gòu)较驅(qū)ΨQ(chēng)變換（Radial Symmetry Transform，RST）來(lái)檢測(cè)俯視人頭的潛在位置。同時(shí)利用基于深度圖像的

4、局部直方圖分割俯視人頭，然后以人頭幾何中心為圓心，對(duì)人頭進(jìn)行半徑展開(kāi)圖變換。本文提出了一種結(jié)合人頭半徑展開(kāi)圖的方向梯度直方圖（Histogram of Oriented Gradient，HOG）特征提取和支持向量機(jī)（Support Vector Machine，SVM）分類(lèi)器的人頭判別算法，最終得到人頭準(zhǔn)確位置。
　　第三，本文介紹了基于卡爾曼濾波預(yù)測(cè)（Kalman Filter，KF）和K-最鄰近（K-Nearest Neig

5、hbor，KNN）的數(shù)據(jù)關(guān)聯(lián)匹配的多目標(biāo)跟蹤算法。并在此基礎(chǔ)上，根據(jù)俯視行人檢測(cè)結(jié)果，提出了一種基于運(yùn)動(dòng)目標(biāo)的位置信息、身高信息、直方圖信息和形狀信息的多特征融合的數(shù)據(jù)關(guān)聯(lián)匹配算法，進(jìn)而實(shí)現(xiàn)俯視行人的跟蹤與計(jì)數(shù)，并基于上述跟蹤結(jié)果，運(yùn)用了一種改進(jìn)的離散-連續(xù)多目標(biāo)跟蹤軌跡優(yōu)化算法，進(jìn)一步提高跟蹤的準(zhǔn)確性。
　　最后，在Microsoft Visual Studio2013開(kāi)發(fā)平臺(tái)上設(shè)計(jì)了一個(gè)基于MFC和開(kāi)源計(jì)算機(jī)視覺(jué)庫(kù)Opencv

6、2.4.9的目標(biāo)跟蹤演示系統(tǒng)，該系統(tǒng)主要包括了俯視行人檢測(cè)模塊、行人跟蹤及計(jì)數(shù)模塊等幾個(gè)功能模塊。結(jié)合實(shí)驗(yàn)分析，驗(yàn)證了本算法的可行性。
　　本文算法不受光照變化、陰影干擾等問(wèn)題影響，并且采用俯視采樣法,不存在樣本遮擋問(wèn)題，克服了傳統(tǒng)的多目標(biāo)檢測(cè)方法的缺點(diǎn)。實(shí)驗(yàn)結(jié)果表明，采用上述方法不但能夠較為準(zhǔn)確的對(duì)俯視行人進(jìn)行跟蹤和計(jì)數(shù)，而且在消除誤檢、漏檢和誤配等這些固有問(wèn)題方面，效果也很明顯。因此，本文算法能夠有效提高跟蹤的準(zhǔn)確性、穩(wěn)定性和