復雜場景下多姿態(tài)行人檢測與識別方法研究.pdf

1、行人是視頻監(jiān)控對象的焦點，行人檢測與識別也是計算機視覺研究的基礎任務和關鍵技術之一，其廣泛應用于智能視頻監(jiān)控、車輛輔助駕駛、人機交互等領域。論文主要針對行人檢測與識別時場景復雜、攝像機是否移動、行人姿態(tài)多變、行人特征提取與融合、行人分割以及候選行人目標選取等問題進行了研究。其研究內容如下：
　　 1)在單視點固定攝像頭場景下，針對背景建模耗時、檢測場景復雜和背景更新時自適應差等問題，提出了一種基于局部時空域模型的核密度估計行人檢

2、測算法。在前期訓練學習階段，采用K均值聚類選擇關鍵幀避免了信息冗余和計算量大問題；在后期背景更新階段，構建一種局部時空域模型，在時間域通過歷史幀信息自適應調整時間域窗口大小，在空間域利用顏色和LBP描述的紋理特征消除部分陰影問題。在復雜場景下的實驗表明，該算法在實時性和檢測準確率方面都有很大提高。
　　 2)在單視點移動攝像頭場景下，針對背景差分法中所出現(xiàn)的行人靜止檢測失敗、動態(tài)背景檢測準確率低和高空視頻存在的行人目標較小、行人

3、姿態(tài)多變、背景復雜及干擾噪聲較大等問題，提出了一種融合目標多特征的行人檢測算法。該算法融合了行人目標的HOG、LBP及SIFT特征，并利用主成分分析降低特征空間維數(shù)，另外根據(jù)每種特征在檢測過程中所占比重不同設置了不同的權值，有效解決了背景差分法行人檢測的不足，同時對高空拍攝的視頻也取得較好效果。
　　 3)針對由于高空視頻細節(jié)模糊、背景雜亂等特點所導致行人分割與識別困難問題，提出了一種基于卡爾曼濾波和顯著區(qū)域檢測的行人識別算法。