交通場景下的運動目標檢測與跟蹤的算法研究.pdf

1、基于計算機視覺的智慧城市系統(tǒng)在重點區(qū)域的行人流量分析、監(jiān)控目標的實時跟蹤以及城市道路的車流智能引導等領(lǐng)域具有重要的研究價值和應用前景，其中運動目標檢測與跟蹤是實現(xiàn)后續(xù)智能分析與決策的關(guān)鍵技術(shù)。考慮到背景模型初始化的準確性對于目標檢測效果具有重大的影響，因此本文重點圍繞初始化過程中容易發(fā)生卻又較難解決的鬼影問題，采用了一種改進的幀間差分法，并與內(nèi)外輪廓直方圖匹配法相融合，充分利用了視頻序列中的時空特性。另外考慮到運動目標的互相遮擋將引起目

2、標跟蹤性能的急劇下降，因此本文采用了一種基于分類器最大響應衰減率的遮擋判別方法，并利用不同層級上的觸發(fā)條件，將顯著提高目標跟蹤的效率和準確性。最后本文分別以車輛和行人的檢測與跟蹤應用為例，對上述新方法進行了應用嘗試，驗證了方法的可行性。本文的主要工作如下：
　?。?）在目標檢測部分，針對背景模型初始化過程中產(chǎn)生的鬼影問題，采用了基于時空特性的鬼影抑制方法。該方法解決了兩個問題，包括內(nèi)外輪廓直方圖匹配法無法應用于小區(qū)域鬼影和幀間差分

3、法對攝像頭抖動敏感。另外針對傳統(tǒng)幀間差分法二值化結(jié)果過度依賴固定閾值的問題，本文用差分結(jié)果中所有像素所服從的正態(tài)分布來表示圖像的幀間變化特性，提高了適用性。實驗結(jié)果表明，本文采用的基于時空特性的鬼影抑制方法比較有效。最后針對檢測結(jié)果目標內(nèi)部有孔洞以及白色噪點較多的問題，采用形態(tài)學處理等操作進行優(yōu)化。
　?。?）在目標跟蹤部分，針對如何判斷遮擋發(fā)生問題，本文采用了一種基于分類器最大響應衰減率的分級遮擋判別方法。該方法根據(jù)衰減率和直方

4、圖匹配度，將遮擋判斷分為粗判斷和細判斷兩個階段。實驗結(jié)果表明，與基于Surf特征匹配的遮擋判斷方法和基于LK光流法的遮擋判斷方法相比，該方法更為有效。
　　（3）為進一步優(yōu)化行人目標的跟蹤結(jié)果，將靜態(tài)行人檢測的相關(guān)技術(shù)應用到目標跟蹤領(lǐng)域。把行人跟蹤窗口適當放大作為待優(yōu)化區(qū)域，在該區(qū)域用已訓練好的行人分類器檢測，最終確認目標的準確位置。實驗結(jié)果表明，優(yōu)化后的行人跟蹤結(jié)果更為準確。
　　（4）綜合運用本文運動目標檢測與跟蹤的相關(guān)