結(jié)合近景和遠(yuǎn)景分析的行人狀態(tài)跟蹤.pdf

1、智能交通是計算機視覺、機器學(xué)習(xí)、交通運輸領(lǐng)域的熱門課題，它涉及到多個學(xué)科的交叉，具有重要的學(xué)術(shù)研究價值和極強的實用背景。本論文的研究背景是“混合交通下行人安全狀態(tài)的識別”項目，重點研究運動目標(biāo)的實時、魯棒的跟蹤技術(shù)。
　　運動目標(biāo)的形態(tài)和速度變化、環(huán)境光照、復(fù)雜背景、目標(biāo)間的遮擋、以及監(jiān)控攝像機的抖動等都可能對準(zhǔn)確的跟蹤造成障礙。因此，盡管多目標(biāo)跟蹤在視覺領(lǐng)域已經(jīng)被持續(xù)關(guān)注了幾十年，出現(xiàn)了眾多的算法，但是如何穩(wěn)定、魯棒又快速地同時

2、跟蹤多個目標(biāo)仍然是一個尚未很好解決的問題。
　　本文結(jié)合遠(yuǎn)景和近景，探索全天候的混合交通條件下，基于視覺感知的行人及車輛跟蹤模型。所謂遠(yuǎn)景是指以俯視視角拍攝的，視野廣闊的視頻，該視頻的特點是監(jiān)視范圍廣，能從宏觀上分析物體的行為及物體間的空間關(guān)系，缺點是缺乏細(xì)節(jié)信息，不便于做細(xì)致分析。所謂近景是指以距離物體較近的平視視角拍攝的視頻，該視頻的特點是細(xì)節(jié)豐富，便于進(jìn)行細(xì)致的行為分析，缺點是視野不夠廣闊，難以從宏觀上分析物體間的空間關(guān)系。

3、本文的主要貢獻(xiàn)有:
　　1.在檢測階段提出了改進(jìn)的前景提取算法。我們的改進(jìn)體現(xiàn)在兩個方面:一是以自適應(yīng)計算出的概率更新前景點，這一改進(jìn)加快了背景模型更新速度，有效地減少了錯誤的前景噪聲;二是改進(jìn)了基于區(qū)域增長的連通區(qū)域提取算法，有效地減少了搜索量，從而提高了算法效率。
　　2.在跟蹤階段，為有效地處理遮擋，我們顯式的檢測了目標(biāo)的分裂與合并，并在此基礎(chǔ)上對基于位置緊鄰的數(shù)據(jù)關(guān)聯(lián)算法加以改進(jìn)，提出了快速的多目標(biāo)跟蹤算法。此外，我

4、們還對多假設(shè)跟蹤算法進(jìn)行了改進(jìn)，大大提高了速度估計和位置預(yù)測的準(zhǔn)確性。
　　3.我們建立了遠(yuǎn)景和近景不同視角的交通監(jiān)控視頻數(shù)據(jù)庫，實現(xiàn)了遠(yuǎn)景和近景的空間對應(yīng)，并實現(xiàn)了遠(yuǎn)景與近景相結(jié)合的，實時、魯棒的行人、車輛跟蹤系統(tǒng)。具體來說，在遠(yuǎn)景視頻上使用較粗略的視頻分析算法從而得到宏觀上的物體的位置及速度，這一處理過程通常速度較快，然后在此結(jié)果的基礎(chǔ)上對近景視頻進(jìn)行更細(xì)致的分析，將遠(yuǎn)景識別得結(jié)果進(jìn)一步加以確認(rèn)，從而實現(xiàn)遠(yuǎn)景處理的效率與近景處