智能視頻監(jiān)控中行人的檢測與跟蹤方法研究.pdf

1、智能視頻監(jiān)控在獲取監(jiān)控視頻數(shù)據(jù)基礎上，對場景中的目標如車輛，人進行檢測，檢測的方法是利用目標的一些運動特征或者外觀特征如顏色，紋理等結合檢測窗口，檢測窗口可以是基于感興趣區(qū)域或者顯著性區(qū)域，也可以利用滑動窗口遍歷。在檢測基礎上可以進一步跟蹤目標，獲取目標在一段視頻序列內的軌跡。目標的檢測和跟蹤是下一步目標動作識別，行為分析的基礎，但是由于場景中的背景時刻在變化且有光照，噪聲的影響再加上目標之間相互遮擋給目標的檢測和跟蹤增加了難度。同時以

2、往的行人檢測方法主要是在公有數(shù)據(jù)集的基礎上提取特征然后利用分類器模型訓練，所得行人檢測器在原始數(shù)據(jù)集上往往能得到較高的準確率。但是一旦應用到其他場景中，檢測率將大大下降。
　　本文提出了一種基于遷移學習和稀疏編碼的行人檢測框架，該框架可以將在原訓練集上訓練好的行人檢測器遷移到新場景中，該框架中首先將原始檢測器應用到目標場景中獲得初始檢測結果，然后利用一些線索過濾出那些被檢測器正確分類的樣本作為目標模板，然后利用稀疏編碼刻畫目標模板

3、和目標樣本之間的相似性并且加權目標樣本。同時，利用顯著性檢測方法檢測目標模板和原訓練集中行人樣本的顯著性區(qū)域，并利用稀疏編碼加權原訓練集中的樣本，最后利用支持向量機訓練所有帶權值樣本得到目標場景下的行人檢測器?；谶w移學習所得的該檢測器在特定新場景中檢測率比原始檢測器提高了近30％。
　　本文同時還提出一種基于粒子濾波行人跟蹤的框架，詳盡的闡述了粒子濾波框架的原理，即如何從貝葉斯理論和蒙特卡洛過渡到粒子濾波方法理論。基于行人顏色特