視頻行人檢測與跟蹤的方法研究.pdf

1、基于視頻的行人目標檢測和跟蹤是計算機視覺領域的一個重要的研究方向，該研究在智能監(jiān)控等領域有著廣泛的應用前景。智能化監(jiān)控系統(tǒng)不僅具有重要的實際應用價值，并且對人工智能、模式識別以及計算機視覺的其他領域具有重要的推動作用。行人目標檢測和跟蹤的任務是實現(xiàn)檢測視頻中的行人目標，并對檢測到的行人進行跟蹤。雖然該領域的許多科研學者經(jīng)過長時間的不懈研究，已經(jīng)提出了很多優(yōu)秀的行人檢測和跟蹤的理論與算法，但實踐表明這些行人目標檢測和跟蹤的算法都有或多或少

2、的不足，考慮到算法應用的實際場景和環(huán)境，提出一種適用于眾多復雜場景的智能化行人檢測和跟蹤系統(tǒng)己成為當前的迫切需求。本文主要對行人目標檢測和跟蹤的關鍵技術問題展開研究，內(nèi)容總結如下：
　　(1)采用混合多尺度可變形部件模型來表征檢測行人的模型。該模型可以適應非剛體行人多變的外表，提高行人正確檢測率。該模型基于可變形部件模型( Deformable Part Models)，由多個DPM組成。DPM模型為星型結構，由一個低分辨率的根濾

3、波器和一系列高分辨率的部件濾波器以及相應的可變形模型組成。對比實驗表明，采用基于混合多尺度可變形部件模型的行人檢測算法的正確檢測率明顯高于傳統(tǒng)算法。
　　(2)采用基于預測算法的快速特征金字塔計算行人特征。傳統(tǒng)的提取行人特征需要計算特征金字塔的每一個尺度，本文采用的快速特征金字塔只需計算每組一個尺度，其它尺度特征采用預測算法直接計算，這樣大大降低了計算特征金字塔的運算量，此外，還節(jié)省了計算重采樣圖像的運算量。對比試驗表明，采用快速

4、算法提取行人特征的時間明顯小于采用傳統(tǒng)算法提取行人特征的時間，并且檢測性能也沒有損失。
　　(3)采用基于時變狀態(tài)空間模型的粒子濾波原理進行行人跟蹤。本文采用的時變狀態(tài)空間模型加入了行人運動的加速度，可以克服跟蹤過程中粒子傳播的盲目性，提高粒子集的使用效率，使其隨著行人目標運動速度的變化趨勢而改變，更加貼近行人的實際運動狀況，提高了粒子傳播的有效性和指導性。對比實驗表明，改進后的算法在行人非勻速運動時也可以準確地定位行人的位置。<