行人多目標(biāo)檢測(cè)與跟蹤技術(shù)研究.pdf

1、智能視頻監(jiān)控技術(shù)是近年來(lái)計(jì)算機(jī)視覺(jué)領(lǐng)域一個(gè)熱門的研究方向,它將計(jì)算機(jī)視覺(jué)與網(wǎng)絡(luò)化的視頻監(jiān)控結(jié)合起來(lái),實(shí)現(xiàn)視頻中運(yùn)動(dòng)目標(biāo)的檢測(cè)、識(shí)別、跟蹤和行為分析等功能。其中,多行人跟蹤是智能視頻監(jiān)控技術(shù)的難點(diǎn),因?yàn)樾腥耸欠莿傮w,在移動(dòng)時(shí)比車輛更具靈活性,其輪廓特征在不斷變化,不易提取,給跟蹤的準(zhǔn)確性以及算法的計(jì)算復(fù)雜度帶來(lái)了諸多問(wèn)題。本文針對(duì)固定攝像頭下的行人多目標(biāo)檢測(cè)與跟蹤問(wèn)題進(jìn)行了研究。
　　在運(yùn)動(dòng)目標(biāo)檢測(cè)方面,對(duì)當(dāng)前主要的目標(biāo)檢測(cè)算法特別

2、是背景減除法中的背景建模方法進(jìn)行了研究分析和實(shí)驗(yàn),并在背景減除法的基礎(chǔ)上提出了一種結(jié)合邊緣檢測(cè)和區(qū)域合并的運(yùn)動(dòng)目標(biāo)檢測(cè)算法,與傳統(tǒng)背景差分法相比,該算法能夠提取更準(zhǔn)確、完整的目標(biāo)區(qū)域,對(duì)弱光下的陰影有一定的魯棒性。
　　在目標(biāo)跟蹤方面,將目標(biāo)行為分為目標(biāo)匹配、新目標(biāo)出現(xiàn)、舊目標(biāo)消失、目標(biāo)遮擋四種情況,針對(duì)行人的非剛性特點(diǎn),引入中心距、加權(quán)的顏色直方圖、面積重合度等特征,建立動(dòng)態(tài)的關(guān)聯(lián)矩陣實(shí)現(xiàn)幀與幀之間的目標(biāo)關(guān)聯(lián)。當(dāng)發(fā)生遮擋時(shí),用卡

3、爾曼濾波器預(yù)測(cè)值來(lái)表示發(fā)生遮擋的目標(biāo)在當(dāng)前幀中的位置,該方法在行人運(yùn)動(dòng)勻速穩(wěn)定的情況下獲得了準(zhǔn)確的跟蹤結(jié)果。但是如果目標(biāo)遮擋時(shí)間較長(zhǎng),使用卡爾曼濾波預(yù)測(cè)目標(biāo)位置,可能會(huì)引起積累誤差,出現(xiàn)跟蹤錯(cuò)誤。對(duì)此,本文提出一種解決方法,引入遮擋因子,將目標(biāo)間遮擋分為嚴(yán)重遮擋和部分遮擋兩種情況,嚴(yán)重遮擋時(shí)仍然用卡爾曼濾波器預(yù)測(cè)目標(biāo)位置,部分遮擋時(shí)對(duì)發(fā)生遮擋的兩個(gè)目標(biāo)分別采用Mean Shift算法進(jìn)行跟蹤,實(shí)驗(yàn)證明該算法在兩個(gè)目標(biāo)相互遮擋時(shí)可以獲得更