復(fù)雜場景下多姿態(tài)行人檢測與識(shí)別方法研究.pdf

1、行人是視頻監(jiān)控對象的焦點(diǎn)，行人檢測與識(shí)別也是計(jì)算機(jī)視覺研究的基礎(chǔ)任務(wù)和關(guān)鍵技術(shù)之一，其廣泛應(yīng)用于智能視頻監(jiān)控、車輛輔助駕駛、人機(jī)交互等領(lǐng)域。論文主要針對行人檢測與識(shí)別時(shí)場景復(fù)雜、攝像機(jī)是否移動(dòng)、行人姿態(tài)多變、行人特征提取與融合、行人分割以及候選行人目標(biāo)選取等問題進(jìn)行了研究。其研究內(nèi)容如下：
　　 1)在單視點(diǎn)固定攝像頭場景下，針對背景建模耗時(shí)、檢測場景復(fù)雜和背景更新時(shí)自適應(yīng)差等問題，提出了一種基于局部時(shí)空域模型的核密度估計(jì)行人檢

2、測算法。在前期訓(xùn)練學(xué)習(xí)階段，采用K均值聚類選擇關(guān)鍵幀避免了信息冗余和計(jì)算量大問題；在后期背景更新階段，構(gòu)建一種局部時(shí)空域模型，在時(shí)間域通過歷史幀信息自適應(yīng)調(diào)整時(shí)間域窗口大小，在空間域利用顏色和LBP描述的紋理特征消除部分陰影問題。在復(fù)雜場景下的實(shí)驗(yàn)表明，該算法在實(shí)時(shí)性和檢測準(zhǔn)確率方面都有很大提高。
　　 2)在單視點(diǎn)移動(dòng)攝像頭場景下，針對背景差分法中所出現(xiàn)的行人靜止檢測失敗、動(dòng)態(tài)背景檢測準(zhǔn)確率低和高空視頻存在的行人目標(biāo)較小、行人

3、姿態(tài)多變、背景復(fù)雜及干擾噪聲較大等問題，提出了一種融合目標(biāo)多特征的行人檢測算法。該算法融合了行人目標(biāo)的HOG、LBP及SIFT特征，并利用主成分分析降低特征空間維數(shù)，另外根據(jù)每種特征在檢測過程中所占比重不同設(shè)置了不同的權(quán)值，有效解決了背景差分法行人檢測的不足，同時(shí)對高空拍攝的視頻也取得較好效果。
　　 3)針對由于高空視頻細(xì)節(jié)模糊、背景雜亂等特點(diǎn)所導(dǎo)致行人分割與識(shí)別困難問題，提出了一種基于卡爾曼濾波和顯著區(qū)域檢測的行人識(shí)別算法。