結合近景和遠景分析的行人狀態(tài)跟蹤.pdf

1、智能交通是計算機視覺、機器學習、交通運輸領域的熱門課題，它涉及到多個學科的交叉，具有重要的學術研究價值和極強的實用背景。本論文的研究背景是“混合交通下行人安全狀態(tài)的識別”項目，重點研究運動目標的實時、魯棒的跟蹤技術。
　　運動目標的形態(tài)和速度變化、環(huán)境光照、復雜背景、目標間的遮擋、以及監(jiān)控攝像機的抖動等都可能對準確的跟蹤造成障礙。因此，盡管多目標跟蹤在視覺領域已經(jīng)被持續(xù)關注了幾十年，出現(xiàn)了眾多的算法，但是如何穩(wěn)定、魯棒又快速地同時

2、跟蹤多個目標仍然是一個尚未很好解決的問題。
　　本文結合遠景和近景，探索全天候的混合交通條件下，基于視覺感知的行人及車輛跟蹤模型。所謂遠景是指以俯視視角拍攝的，視野廣闊的視頻，該視頻的特點是監(jiān)視范圍廣，能從宏觀上分析物體的行為及物體間的空間關系，缺點是缺乏細節(jié)信息，不便于做細致分析。所謂近景是指以距離物體較近的平視視角拍攝的視頻，該視頻的特點是細節(jié)豐富，便于進行細致的行為分析，缺點是視野不夠廣闊，難以從宏觀上分析物體間的空間關系。

3、本文的主要貢獻有:
　　1.在檢測階段提出了改進的前景提取算法。我們的改進體現(xiàn)在兩個方面:一是以自適應計算出的概率更新前景點，這一改進加快了背景模型更新速度，有效地減少了錯誤的前景噪聲;二是改進了基于區(qū)域增長的連通區(qū)域提取算法，有效地減少了搜索量，從而提高了算法效率。
　　2.在跟蹤階段，為有效地處理遮擋，我們顯式的檢測了目標的分裂與合并，并在此基礎上對基于位置緊鄰的數(shù)據(jù)關聯(lián)算法加以改進，提出了快速的多目標跟蹤算法。此外，我

4、們還對多假設跟蹤算法進行了改進，大大提高了速度估計和位置預測的準確性。
　　3.我們建立了遠景和近景不同視角的交通監(jiān)控視頻數(shù)據(jù)庫，實現(xiàn)了遠景和近景的空間對應，并實現(xiàn)了遠景與近景相結合的，實時、魯棒的行人、車輛跟蹤系統(tǒng)。具體來說，在遠景視頻上使用較粗略的視頻分析算法從而得到宏觀上的物體的位置及速度，這一處理過程通常速度較快，然后在此結果的基礎上對近景視頻進行更細致的分析，將遠景識別得結果進一步加以確認，從而實現(xiàn)遠景處理的效率與近景處