基于視頻圖像的多運(yùn)動(dòng)行人目標(biāo)檢測與跟蹤技術(shù)研究.pdf

1、多行人目標(biāo)檢測與跟蹤技術(shù)在智能視頻監(jiān)控、現(xiàn)代國防等眾多領(lǐng)域都具有重要的研究價(jià)值和應(yīng)用價(jià)值。由于場景的復(fù)雜性、行人目標(biāo)的多變性等因素，在復(fù)雜的背景環(huán)境下開發(fā)一套魯棒的視頻跟蹤算法面臨著巨大的挑戰(zhàn)。本文在前人研究的基礎(chǔ)上，開發(fā)出一套多行人的跟蹤系統(tǒng)，解決了一定的跟蹤難題。
　　首先對于行人檢測部分，本文研究了基于靜態(tài)的圖像的檢測算法和基于動(dòng)態(tài)視頻的檢測算法。對于基于靜態(tài)的圖像的檢測，本文通過對HOG特征和LBP特征的研究，提出了一種改

2、進(jìn)的HOG-LBP特征，即將兩特征串聯(lián)起來，再進(jìn)行SVM分類時(shí)，成功的概率大大提升；對于基于動(dòng)態(tài)視頻的檢測，本文通過對基本碼本算法和在YUV顏色空間建立的碼本算法的研究，本文在YCbCr顏色空間建立了碼本背景模型，使得運(yùn)行速度加快，檢測率也有所提升；對二值圖進(jìn)行行人目標(biāo)識(shí)別，本文采用可分割互相遮擋的目標(biāo)的垂直投影直方圖算法。
　　然后對于行人跟蹤部分，本文首先對比了常見的三種跟蹤算法(meanshift、camshift和卡爾曼濾

3、波)的跟蹤結(jié)果，通過對其原理的分析得出三種算法對背景環(huán)境都有所限制：meanshift算法和camshift算法限制于低速的運(yùn)動(dòng)，卡爾曼濾波算法限制于線性、高斯的情況，從而引出應(yīng)用更加廣泛、改進(jìn)空間更大、跟蹤的效果更好的粒子濾波算法以及本文對其進(jìn)行的改進(jìn)。
　　對于粒子濾波算法，本文首先對其基本原理、流程和發(fā)展過程作了詳細(xì)介紹；其次考慮到基本的粒子濾波算法將算法觀測模型建立在單一的顏色信息上，缺乏對目標(biāo)信息全面的描述，導(dǎo)致算法的魯

4、棒性不高，本文對算法的觀測模型進(jìn)行了有效的改進(jìn)：不僅考慮目標(biāo)的顏色信息，更增加了目標(biāo)的形狀信息，并且對二者的權(quán)值通過模糊邏輯進(jìn)行自適應(yīng)調(diào)節(jié)，做到實(shí)時(shí)更新，這樣更加全面、有效地描述了目標(biāo)，使得改進(jìn)粒子濾波算法的性能大大提升，能夠解決行人目標(biāo)旋轉(zhuǎn)、變形的難題，最后通過實(shí)驗(yàn)驗(yàn)證其在實(shí)際應(yīng)用中的有效性。
　　最后，根據(jù)對上述兩個(gè)關(guān)鍵部分的研究和改進(jìn)，本文提出了一套多行人自動(dòng)跟蹤系統(tǒng)。系統(tǒng)分為兩個(gè)環(huán)節(jié)—開環(huán)控制環(huán)節(jié)和閉環(huán)控制環(huán)節(jié)，通過運(yùn)行遮