基于紅外圖像的行人檢測(cè)與跟蹤方法研究.pdf

1、行人檢測(cè)和跟蹤是視頻監(jiān)控領(lǐng)域中一個(gè)最基本最重要的任務(wù)，它是場(chǎng)景分析、語(yǔ)義理解等諸多后續(xù)工作的基礎(chǔ)。除視頻監(jiān)控外，行人檢測(cè)與跟蹤技術(shù)也在智能交通、人機(jī)交互、機(jī)器人視覺(jué)導(dǎo)航、虛擬現(xiàn)實(shí)、軍事偵察等各方面有著廣泛的應(yīng)用。盡管行人的檢測(cè)和跟蹤技術(shù)已經(jīng)研究了數(shù)十年，但目前還沒(méi)有一個(gè)健壯、精確和實(shí)時(shí)的行人檢測(cè)和跟蹤算法，其根本原因在于行人自身的多變性以及環(huán)境的復(fù)雜性。行人檢測(cè)和跟蹤仍是計(jì)算機(jī)視覺(jué)研究領(lǐng)域中的一個(gè)巨大挑戰(zhàn)。
　　為了豐富這一研究領(lǐng)

2、域，本文對(duì)基于紅外圖像的行人檢測(cè)與跟蹤方法進(jìn)行了深入研究，主要內(nèi)容包括:
　　(1)提出了一種基于半監(jiān)督學(xué)習(xí)的紅外行人檢測(cè)方法，該方法在興趣區(qū)域提取基礎(chǔ)上使用梯度方向直方圖特征作為行人鑒別特征，聯(lián)合多個(gè)支持向量機(jī)作為行人檢測(cè)器，并構(gòu)建了Tri-Training學(xué)習(xí)框架，針對(duì)具體環(huán)境獲得較可靠的訓(xùn)練樣本，在線提升檢測(cè)器性能，因而只需較少的初始標(biāo)記樣本，且具有一定的場(chǎng)景自適應(yīng)性，實(shí)驗(yàn)證明了本文算法的有效性;
　　(2)設(shè)計(jì)了一種

3、復(fù)雜環(huán)境下的自適應(yīng)行人跟蹤算法。采用粒子濾波實(shí)時(shí)跟蹤目標(biāo)運(yùn)動(dòng)狀態(tài)，利用Mean-Shift算法對(duì)各個(gè)粒子進(jìn)行優(yōu)化，并依據(jù)運(yùn)動(dòng)信息和目標(biāo)統(tǒng)計(jì)分布相似度共同獲得各個(gè)粒子的觀測(cè)概率，避免了復(fù)雜背景的干擾;根據(jù)運(yùn)動(dòng)分割結(jié)果，相應(yīng)調(diào)整Mean-Shift核窗口的大小，有效地適應(yīng)目標(biāo)的尺度變化，并給出了有效的模式更新和遮擋處理方法。實(shí)驗(yàn)證明，本文算法減少了行人跟蹤失敗的機(jī)率，對(duì)目標(biāo)的尺度變化，不規(guī)則運(yùn)動(dòng)和遮擋具有較高的適應(yīng)能力。
　　(3)設(shè)