視頻人體檢測算法研究.pdf

1、視頻中的人體檢測與追蹤，是計算機視覺領域的一個重要研究方向。它的主要任務是，在連續(xù)的圖像序列中，檢測出人體目標，并對其進行追蹤，獲得人體運動的軌跡。人體檢測與追蹤，具有十分廣泛的應用，尤其在智能視頻監(jiān)控、汽車助手和人機交互方面，扮演著不可替代的角色。本文在人體檢測與追蹤方面做了以下研究。
　　本文在基于梯度方向直方圖（HOG）特征的人體檢測算法的基礎上進行了改進，使用INRIA數(shù)據(jù)庫中的人體樣本訓練線性SVM分類器，然后進行人體檢

2、測。首先在OPP顏色空間計算像素梯度，為檢測窗口建立梯度方向直方圖，然后將其作為SVM分類器的輸入?yún)⑴c訓練和檢測。本文通過圖像縮放，逐層使用檢測窗進行密集掃描，檢測所有可能的人體。相比于RGB空間，該算法取得了更準確的檢測效果，誤檢率也明顯降低。
　　當視頻中人群較密集時，采用先檢測單個人體后對人群計數(shù)的方法可能存在較大誤差。對此問題，本文提出基于獨立運動的人群計數(shù)算法。使用KLT算法選取可靠的角點特征，追蹤得到它們的運動軌跡。最

3、后，通過空間聚類和運動一致性聚類，計算場景中獨立運動的數(shù)量，并估計人體數(shù)量。在獨立運動突出的場景，使用該算法進行人體計數(shù)，相比于使用表觀特征檢測人體的方法，取得了更準確的結果。
　　在不需要對人體數(shù)量做出準確估計，而只需判斷場景中目標規(guī)模是否構成人群時，本文提出基于霍夫變換的人群檢測算法。給定連續(xù)的圖像序列，將其固定位置的像素取出，組成時間—空間圖像，則時域運動的點會在時空圖中形成一條直線，然后通過霍夫變換，將這些直線映射到霍夫參