基于視頻序列的運(yùn)動(dòng)人體檢測(cè)和跟蹤.pdf

1、本文將運(yùn)動(dòng)人體檢測(cè)和跟蹤的問題分為前景檢測(cè)、人體檢測(cè)和運(yùn)動(dòng)跟蹤三部分，進(jìn)行了分析和研究。首先，在前景檢測(cè)方面，對(duì)比了當(dāng)前主要算法的優(yōu)缺點(diǎn)，綜合之下采用ViBe算法，并針對(duì)其不足之處進(jìn)行了改進(jìn)。采用視頻前n幀圖像的中值圖像作為ViBe算法的初始幀，有效解決了第一幀中就有運(yùn)動(dòng)目標(biāo)造成鬼影的問題；并利用目標(biāo)的二階梯度特征信息，對(duì)陰影進(jìn)行抑制，這種計(jì)算方法簡單，運(yùn)算量小，對(duì)陰影的抑制具有良好的效果，也能夠滿足系統(tǒng)實(shí)時(shí)性的要求。
　　其次，

2、在運(yùn)動(dòng)人體檢測(cè)方面，本文采用了基于運(yùn)動(dòng)窗口的檢測(cè)方法，減小了檢測(cè)范圍，從而達(dá)到提高檢測(cè)速度的目的。采用了傳統(tǒng)的HOG特征加SVM分類器的算法進(jìn)行人體檢測(cè)，并對(duì)其窗口融合的算法進(jìn)行了修改，提高了其準(zhǔn)確度；由于運(yùn)動(dòng)目標(biāo)檢測(cè)的結(jié)果窗口并不規(guī)整，需要對(duì)其進(jìn)行擴(kuò)展，使其規(guī)整。然后采用行人檢測(cè)算法在窗口中進(jìn)行多個(gè)尺度的檢測(cè)，這樣既保證了結(jié)果，又提高了檢測(cè)速度。
　　最后，在跟蹤方面，本文采用了基于單目標(biāo)長時(shí)間跟蹤的TLD算法，運(yùn)用卡爾曼預(yù)估器