基于活動輪廓模型的行人檢測方法研究.pdf

1、視頻序列中的目標運動分析是計算機視覺技術(shù)領(lǐng)域的重要組成部分。運動分析包括運動目標的初始位置的確定、目標輪廓的提取、目標的檢測和跟蹤、目標的識別和理解等內(nèi)容。運動目標初始位置的精確確定和目標輪廓的精確提取是接下來要進行的目標跟蹤、目標識別以及目標理解的前提條件,對后續(xù)工作有至關(guān)重要的作用。運動序列中的行人檢測是運動目標分析的一個重要方向,在智能監(jiān)控、人體行為分析等領(lǐng)域有廣泛的應(yīng)用前景和經(jīng)濟效益。
　　 活動輪廓模型自1987年提出

2、以來,得到了廣泛的關(guān)注,在計算機視覺領(lǐng)域有廣泛的應(yīng)用?；顒虞喞Ｐ驮趯ψ冃挝矬w的研究方面有天然的優(yōu)勢,是因為它的輪廓曲線可以靈活的變化,是“活動的”。視頻序列中的行人是典型的變形目標,利用活動輪廓模型的“活動的”獨特之處,可以有效的實現(xiàn)對行人目標的檢測。
　　 在本論文中,提出了利用改進的活動輪廓模型來檢測視頻序列中的行人。首先,我們利用背景差分法得到行人的初始化輪廓線代替手動標定,克服了手動標定存在的不穩(wěn)定性等一系列問題。其次

3、,對活動輪廓模型的內(nèi)能項的計算方法加以改進。用輪廓曲線中所有相鄰控制點之間距離的平均距離與控制點之間距離的平方這種方法來計算內(nèi)能,而不是用傳統(tǒng)的長度來表示內(nèi)能,克服了現(xiàn)有方法控制點分布不均的缺點。并且創(chuàng)建局部能量窗口來尋找能量的最優(yōu)解,利用這種算法既能加大圖像力的作用范圍,又可以獲得較小的計算量,提高了活動輪廓模型的收斂速度。這種方法可以增強物體輪廓的連續(xù)性,并且使得控制點能夠均勻分布,避免控制點的聚集現(xiàn)象。再次,貪婪算法的運用。提出了

4、利用貪婪算法來獲取最小能量,從而獲得圖像輪廓。而不是運用傳統(tǒng)的變分方法。貪婪算法就是一種不需要得到最優(yōu)解,只希望得到較為滿意的解的方法。貪婪算法一般能夠較為快速的得到較為滿意的解,它省去了為找到最優(yōu)解而要窮盡所有可能的解所必須耗費的大量時間。貪婪算法常以當前情況為基礎(chǔ)作最優(yōu)選擇,而不考慮各種可能的整體情況,所以貪婪算法不要求回溯。相比較其他的能量最小化算法來說,貪婪算法具有可靠、穩(wěn)定、允許添加外界約束等優(yōu)點,而且算法的復(fù)雜度極大的降低。