智能視頻監(jiān)控中的行人檢測與跟蹤算法研究.pdf

1、智能視頻監(jiān)控是計算機視覺領(lǐng)域一個新興的應(yīng)用方向，是計算機視覺、圖像處理、模式識別、人工智能等多學(xué)科的結(jié)合。在智能視頻監(jiān)控中，行人是主要的關(guān)注對象。因此研究一個魯棒的行人檢測和跟蹤算法具有重要意義。本文主要研究利用基于Boosting類的算法分別解決行人檢測和行人跟蹤問題的方法。主要的研究工作和創(chuàng)新見解如下： 1.針對訓(xùn)練樣本稀缺的情況，提出了一種面向不均衡小樣本集的Boosting訓(xùn)練算法，該算法通過在訓(xùn)練過程中逐步加入人工合成

2、樣本，對已選定的弱分類器進行擾動，并自適應(yīng)地平衡訓(xùn)練集中的正負(fù)樣本比例，與當(dāng)前的其他算法相比較，本文算法提高了分類器泛化能力。 2.實現(xiàn)了一個基于運動特征的行人檢測器，使用Adaboost算法構(gòu)建級聯(lián)結(jié)構(gòu)的行人檢測器，加速了檢測過程。 3.完成了一個基于online Boosting算法的行人檢測器，將監(jiān)控畫面劃分為若干的網(wǎng)格，對于每個網(wǎng)格使用online Boosting算法獨立的訓(xùn)練分類器，并融合所有的網(wǎng)格分類器的判

3、決結(jié)果來進行行人檢測。該方法僅需要少量的正樣本就可以達到較高的檢測率。 4.提出了一種融合先驗知識的自適應(yīng)行人跟蹤算法，將行人檢測的先驗知識融入到跟蹤模型的自學(xué)習(xí)過程。首先通過離線訓(xùn)練，得到具有較強區(qū)分能力的子分類器集，這些子分類器中蘊含了對于行人的先驗知識；在跟蹤過程中，使用online boosting算法從離線訓(xùn)練的子分類器集成強分類器，對被跟蹤的行人動態(tài)建模。實驗結(jié)果表明，該算法有效地緩解了算法的自適應(yīng)性與“漂移”之間的