基于自適應(yīng)前景的行人檢測跟蹤系統(tǒng)設(shè)計.pdf

1、智能視頻監(jiān)控作為模式識別領(lǐng)域的重要分支，人們對它的研究與應(yīng)用越來越廣泛，其主要研究的是視頻中的運動物體，對運動目標(biāo)進行檢測、識別和跟蹤。而人作為視頻中最受關(guān)注的運動目標(biāo)，通過對其進行行為分析，可給監(jiān)控者提供可靠、及時的信息，為人們對異常事件做出快速的反應(yīng)提供依據(jù)。視頻中行人的檢測與跟蹤技術(shù)是這一切的基礎(chǔ)，只有有了準(zhǔn)確、魯棒的行人檢測與跟蹤算法，才能為后續(xù)的人體動作識別、人群異常事件檢測等提供可靠的保障。因此研究視頻中的行人檢測與跟蹤算法

2、具有重要的現(xiàn)實意義。本文研究了前景提取算法、目標(biāo)檢測算法以及目標(biāo)跟蹤算法，并提出了相關(guān)的改進，主要的研究成果如下:
　　1)本文在VIBE前景提取算法的基礎(chǔ)上，加入了前景增強模塊、陰影消除模塊和自適應(yīng)參數(shù)優(yōu)化。改進后的VIBE算法在Change Detection Challenge公共數(shù)據(jù)集上與原VIBE算法進行實驗對比:與原VIBE算法相比，改進后的VIBE算法在維持計算時間不變的前提下，得到的結(jié)果噪聲點和前景空洞明顯減少，改

3、進后的VIBE增強算法在各項指標(biāo)上都表現(xiàn)的更加優(yōu)秀。
　　2)在目標(biāo)檢測模塊，本文引入了CENTRIST特征，并在原有精準(zhǔn)分類器的基礎(chǔ)上再串連一個簡單分類器基于CENTRIST特征的核進行分類，得到行人目標(biāo);在膚色檢測方面本文融合了基于二次多項式的膚色檢測模型和基于高斯核的膚色檢測模型，實驗表明融合后的結(jié)果在不同的光照場景下均能較準(zhǔn)確地提取膚色。
　　3)最后本文引入多特征的方法改進了壓縮感知目標(biāo)跟蹤算法(CT)，對比于只引