基于視頻序列的行人計數(shù)算法研究與實現(xiàn).pdf

1、行人目標(biāo)的檢測與跟蹤作為計算機(jī)視覺的一個熱點和難點，被眾多學(xué)者和研究機(jī)構(gòu)作為重要的課題進(jìn)行研究。該課題的應(yīng)用范圍也得到了推廣，目前較常見的應(yīng)用場合如智能監(jiān)控，人體異常行為監(jiān)控和人流量統(tǒng)計等，都是以該課題為理論基礎(chǔ)做研究的，其中，人流量的統(tǒng)計在實際中有很重要的研究價值，本文主要就該課題在行人計數(shù)方面的應(yīng)用做了研究。
　　針對行人運動目標(biāo)而言，其作為一個特殊的非剛性的運動目標(biāo)，在目標(biāo)檢測中有其獨有的難點，比如說人體目標(biāo)的非剛性，還有運

2、動場景的復(fù)雜性，以及目標(biāo)檢測共同需要面對的難題等等，如光照的變化和目標(biāo)之間不可避免的互相之間的遮擋問題等，都決定了傳統(tǒng)的背景差分法難以滿足其在精確度方面的要求，而精確度較高的梯度方向直方圖法(Histograms ofOriented Gradients)，文章中以后簡稱HOG特征提取法，又由于其計算度復(fù)雜而難以滿足實際應(yīng)用中的實時性要求。所以，本文在綜合以上兩個問題的基礎(chǔ)上，提出了混合高斯背景建模法和梯度方向直方圖法相結(jié)合的算法優(yōu)化方

3、法，該方法既解決了單純利用混合高斯背景建模法的精確度低的問題，同時也提高了梯度方向直方圖法的檢測速度，通過實驗驗證，證明該算法的改進(jìn)方法取得了一定的效果。
　　在行人計數(shù)過程中，除了需要進(jìn)行行人目標(biāo)檢測以外，檢測后的跟蹤問題也是需要解決的一大難題，論文首先對常見的跟蹤算法進(jìn)行了介紹，其中主要說明了Camshift算法的原理以及優(yōu)缺點，并以該算法為基礎(chǔ)提出適合本文場景的改進(jìn)算法。研究發(fā)現(xiàn)，該算法主要的缺點是初始化時需要手動選定跟蹤目

4、標(biāo)，其次存在多個目標(biāo)相互遮擋嚴(yán)重時很容易出現(xiàn)目標(biāo)跟丟現(xiàn)象。本文的改進(jìn)算法也主要是做這兩方面的優(yōu)化。首先，本文的跟蹤是基于目標(biāo)檢測的跟蹤，所以初始化目標(biāo)即為檢測過程中的標(biāo)注目標(biāo)，而對跟丟現(xiàn)象，本文提出了自適應(yīng)的搜索窗口函數(shù)參數(shù)，該方法可以自適應(yīng)的調(diào)整搜索窗口，抑制將會對跟蹤產(chǎn)生影響的噪聲。具體做法是:當(dāng)目標(biāo)消失時，首先對目標(biāo)的運動軌跡進(jìn)行預(yù)測，當(dāng)目標(biāo)重新出現(xiàn)時，將能夠繼續(xù)完成對該目標(biāo)的跟蹤工作。
　　最后，在以上算法研究的基礎(chǔ)上，設(shè)