智能監(jiān)控系統(tǒng)中行人檢測與目標(biāo)跟蹤算法的研究.pdf

1、行人檢測與跟蹤技術(shù)是機(jī)器視覺領(lǐng)域中的一個重要分支，其在智能安防、人機(jī)交互、智能交通、虛擬現(xiàn)實(shí)等領(lǐng)域中都有著廣闊市場前景和應(yīng)用價(jià)值。近十年來，在世界各地研究人員的共同努力下，行人檢測與跟蹤技術(shù)在實(shí)時性和精度上都取得了很大的進(jìn)步。但是受制于行人個體之間差異過大、運(yùn)動過程多種多樣、環(huán)境復(fù)雜多變、計(jì)算資源有限等因素，現(xiàn)有算法的性能仍不能滿足實(shí)際應(yīng)用的需求。如何在不降低精確度的條件下提高行人檢測的實(shí)時性，以及如何改善跟蹤器在復(fù)雜場景中的跟蹤精度仍

2、是這項(xiàng)技術(shù)中的研究熱點(diǎn)。
　　本文針對傳統(tǒng)行人檢測算法在視頻監(jiān)控中實(shí)時性較差的問題，及跟蹤器在復(fù)雜場景中模型更新的問題進(jìn)行了研究和創(chuàng)新，闡述如下:
　　目前主流行人檢測算法中采用滑動窗口法使得特征運(yùn)算前級輸入過多而導(dǎo)致在實(shí)際監(jiān)控中實(shí)時性下降。針對該問題，提出了一種基于運(yùn)動趨勢的快速行人檢測算法。算法首先通過分割行人運(yùn)動趨勢信息、構(gòu)建卡爾曼預(yù)測模型完成對行人位置的預(yù)測，減少了特征前級輸入。然后受圖像匹配算法的啟發(fā)，通過提取預(yù)測

3、位置BRISK特征對結(jié)果進(jìn)行了校驗(yàn)。使得算法在提高預(yù)測精度的同時，減少了對行人特征的計(jì)算。最后利用固定視頻監(jiān)控中場景的特性作為先驗(yàn)知識，完成了算法在固定場景中的快速尺度估計(jì)。通過在四個標(biāo)準(zhǔn)行人數(shù)據(jù)集上的測試，繪制了算法在不同視頻測試集中的DET曲線和幀率表。實(shí)驗(yàn)結(jié)果表明:相比原算法，改進(jìn)后算法在確保算法精度不下降的同時大幅度提高了行人檢測速度。
　　基于一致性模型的關(guān)鍵點(diǎn)匹配跟蹤算法(CMT)中由于僅采用第一幀作為目標(biāo)模型使得目標(biāo)

4、在遮擋或環(huán)境變化等因素影響下會出現(xiàn)跟蹤失敗。針對該問題，提出了一種基于歷史加權(quán)的關(guān)鍵點(diǎn)匹配跟蹤算法(HWCMT)。算法中首先通過建立歷史模型記錄不同關(guān)鍵點(diǎn)出現(xiàn)的次數(shù)，并給予其相應(yīng)的權(quán)重。然后采用高斯函數(shù)作為歷史模型中關(guān)鍵點(diǎn)的權(quán)值函數(shù)，對待選模型中關(guān)鍵點(diǎn)在尺度、旋轉(zhuǎn)、中心點(diǎn)估計(jì)時的投票進(jìn)行加權(quán)。最后綜合待選模型中關(guān)鍵點(diǎn)聚類結(jié)果與歷史模型特征點(diǎn)的加權(quán)結(jié)果確定目標(biāo)的姿態(tài)。通過算法在16個標(biāo)準(zhǔn)目標(biāo)跟蹤數(shù)據(jù)集上實(shí)驗(yàn)結(jié)果，得出結(jié)論:改進(jìn)后算法解決了