視頻行人檢測及跟蹤的關(guān)鍵技術(shù)研究.pdf

1、目標(biāo)檢測和視覺跟蹤是計(jì)算機(jī)視覺領(lǐng)域的基本內(nèi)容和研究熱點(diǎn)，在視頻監(jiān)控、智能交通、機(jī)器人導(dǎo)航、智能車輛駕駛輔助和人機(jī)交互等領(lǐng)域有著重要的應(yīng)用。實(shí)際公共場所中遍布著各種攝像頭來輔助管理和安全監(jiān)控，如地鐵、機(jī)場、銀行和交通路口等地。這些應(yīng)用主要關(guān)注的對(duì)象是行人和汽車等，非常依賴于目標(biāo)檢測和視覺跟蹤方法。目標(biāo)檢測和視覺跟蹤二者關(guān)系密切并且都存在不少問題。這兩個(gè)方向關(guān)鍵技術(shù)的研究發(fā)展及其在視頻監(jiān)控和智能交通等領(lǐng)域的應(yīng)用有著重要的意義。本文面向視頻監(jiān)

2、控和智能交通，對(duì)視覺跟蹤、多人跟蹤和行人檢測的一些關(guān)鍵問題展開了研究和改進(jìn)。
　　 視覺跟蹤著重在跟蹤的實(shí)用性上，即面對(duì)常發(fā)生的局部遮擋、外觀變化、轉(zhuǎn)動(dòng)、背景干擾等困難情況，能夠持續(xù)穩(wěn)健地跟蹤目標(biāo)。單一特征或模型能夠提取或?qū)W習(xí)目標(biāo)的部分視覺特性，具有一些優(yōu)點(diǎn)且能較好地解決一些跟蹤問題。然而對(duì)于視覺跟蹤，單一特征或模型也常有其缺點(diǎn)和不足之處。本文對(duì)于兩種流行的視覺跟蹤方法結(jié)合其他的特征或模型進(jìn)行了研究改進(jìn)，使得這兩種方法提高了跟蹤

3、性能和穩(wěn)健性。本文所做研究工作和創(chuàng)新性貢獻(xiàn)主要表現(xiàn)如下:
　　 (1)提出了一種基于合成子空間的跟蹤方法。增量本征子空間能有效地學(xué)習(xí)目標(biāo)外觀的主要模式且跟蹤性能好。然而不能適應(yīng)較快的外觀變化。線性子空間恰能迅速學(xué)習(xí)最新的外觀模式，本文將二者巧妙地結(jié)合起來得到合成子空間，同時(shí)具備二者的優(yōu)點(diǎn)，提高了跟蹤方法的適應(yīng)能力和穩(wěn)健性。
　　 (2)提出了一種基于特征選擇的多子塊跟蹤方法。多子塊跟蹤方法效率高且能解決遮擋問題。子塊生成

4、方法和跟蹤特征是其關(guān)鍵技術(shù)。RGB加權(quán)特征能克服子塊直方圖的稀疏問題，并可選擇出當(dāng)前的最優(yōu)區(qū)分特征來適應(yīng)目標(biāo)外觀和背景的變化?；谧顑?yōu)特征，提出了一種生成跟蹤子塊的方法。該跟蹤方法能在遮擋和背景復(fù)雜等情況下穩(wěn)健地跟蹤一般性目標(biāo)。
　　 近幾年，多行人跟蹤和行人檢測發(fā)展迅速，也是視頻監(jiān)控等領(lǐng)域的關(guān)鍵技術(shù)。本文所做研究工作和創(chuàng)新性貢獻(xiàn)主要表現(xiàn)如下:
　　 (1)提出了一種基于在線雙層關(guān)聯(lián)的多行人跟蹤方法?；谧榆壽E的多行人跟

5、蹤方法是近年的一類優(yōu)秀方法。該類方法包含生成子軌跡和關(guān)聯(lián)子軌跡兩個(gè)部分。針對(duì)串聯(lián)檢測結(jié)果生成子軌跡的方法，采用粒子濾波跟蹤來進(jìn)行改進(jìn)。有效地改善了因漏檢和虛警等導(dǎo)致的子軌跡過分散問題，獲得更準(zhǔn)確及更長的子軌跡。先前方法在很長時(shí)間后才對(duì)子軌跡進(jìn)行全局關(guān)聯(lián)。本文提出一種在線關(guān)聯(lián)子軌跡的方法，能實(shí)現(xiàn)準(zhǔn)實(shí)時(shí)跟蹤關(guān)聯(lián)。實(shí)驗(yàn)結(jié)果表明此方法跟蹤性能好，在實(shí)際擁擠場景下能有效地進(jìn)行多行人跟蹤。
　　 (2)針對(duì)視頻監(jiān)控，提出了一種基于Tff處理