融合行人檢測(cè)器和顏色模型的行人跟蹤算法研究.pdf

1、隨著科技的進(jìn)步，人工智能的產(chǎn)品正在逐漸走入人們的生活。其中行人跟蹤技術(shù)作為人工智能的一種重要應(yīng)用在許多領(lǐng)域都起著不可替代的作用，并由此受到了人們的關(guān)注?，F(xiàn)在許多汽車中都安裝了行人防撞預(yù)警系統(tǒng)，而其中行人檢測(cè)與跟蹤技術(shù)便起著核心的作用。不僅如此，行人跟蹤算法也在安防監(jiān)控、行為識(shí)別、機(jī)器人智能中發(fā)揮了它的作用?？傮w來說，行人跟蹤技術(shù)是一個(gè)涉及到數(shù)字圖像處理、計(jì)算機(jī)視覺和模式識(shí)別多個(gè)學(xué)科的問題，雖然現(xiàn)在已經(jīng)有了許多令人矚目的研究成果，但仍有很

2、多理論和技術(shù)問題需要解決。要進(jìn)行長(zhǎng)時(shí)間的行人跟蹤,有很多問題需要解決：一個(gè)較好的跟蹤算法必需能夠處理尺度及光照變化、復(fù)雜背景、部分遮擋等問題；有時(shí)候目標(biāo)還會(huì)發(fā)生一些變化，比如形變等情況，而這些變化會(huì)使原始的模型失效，使得整個(gè)跟蹤問題將更加的復(fù)雜。最后，長(zhǎng)時(shí)間的跟蹤還需要解決目標(biāo)丟失的問題，由于遮擋或目標(biāo)移出畫面等情況的出現(xiàn)不可避免，當(dāng)目標(biāo)再次出現(xiàn)在畫面中時(shí)，算法必需有能力重新找回目標(biāo)。當(dāng)然，作為一個(gè)跟蹤算法，算法的實(shí)時(shí)性也是非常非常重要

3、的。
　　本文以提出一種可以實(shí)用的實(shí)時(shí)行人跟蹤算法為目標(biāo)，此算法可以較好的解決上文中提出的問題。為了達(dá)到這個(gè)目標(biāo)，本文提出了一種融合了行人檢測(cè)器和顏色模型的行人跟蹤方法。主要研究?jī)?nèi)容包括以下幾個(gè)方面：
　　1）基于中值光流法的目標(biāo)跟蹤器，并在跟蹤的過程中加入了跟蹤失敗時(shí)的自檢器。中值光流跟蹤器會(huì)跟蹤目標(biāo)行人，并估計(jì)他的運(yùn)動(dòng)。跟蹤過程中，自檢器會(huì)估計(jì)那些被跟蹤到的點(diǎn)的可靠性，然后選取那些可靠性較高的點(diǎn)來估計(jì)行人此刻的位置與尺度

4、的變化。中值光流法和其它跟蹤方法相比，在保證準(zhǔn)確性的同時(shí)，還有運(yùn)行速度快的優(yōu)點(diǎn)，這對(duì)算法的實(shí)時(shí)性非常重要。
　　2）本文提出的行人檢測(cè)算法由兩部分組成，基于HOG特征的SVM行人檢測(cè)器，和利用深度學(xué)習(xí)方法訓(xùn)練出的基于深度模型的行人檢測(cè)器。前者擁有較快的速度，但存在準(zhǔn)確率低、穩(wěn)定性差等問題，而這些問題會(huì)使算法后面的處理出現(xiàn)問題。而后者擁有較高的精度，但由于計(jì)算過程中有大量卷積計(jì)算，使得整個(gè)檢測(cè)過程耗時(shí)較長(zhǎng)，對(duì)于算法的效率產(chǎn)生嚴(yán)重影響

5、。根據(jù)以上兩種算法各自的特點(diǎn)，我們將兩種檢測(cè)器用一種策略組合在一起，讓算法可以在速度與精度方都有較好的表現(xiàn)。
　　3）本文提出了一個(gè)有辨識(shí)力的行人顏色模型，并且針對(duì)跟蹤目標(biāo)會(huì)出現(xiàn)姿態(tài)變化、背景復(fù)雜和遮擋等跟蹤過程中不斷變化等問題，提出了模型的更新策略，使算法可以不斷適應(yīng)目標(biāo)的變化。在跟蹤過程中，算法將目標(biāo)跟蹤器、行人檢測(cè)器和有辨識(shí)力的顏色模型組合到一起，讓它們相互借鑒、相互促進(jìn)，從而達(dá)到對(duì)行人穩(wěn)定跟蹤的目標(biāo)。實(shí)驗(yàn)結(jié)果表明，本文提出