智能視覺監(jiān)控中的人體檢測和跟蹤研究.pdf

1、智能視覺監(jiān)控是計算機視覺領域新興的研究方向，它通過對攝像機拍錄的圖像序列進行自動分析來對被監(jiān)控場景中的變化進行定位、跟蹤和識別，并在此基礎上分析和判斷有關(guān)目標的行為，從而做到既能完成日常管理又能在異常情況發(fā)生時做出反應。本文對智能視覺監(jiān)控中的基于模型和基于區(qū)域的人體檢測和跟蹤進行了研究。 首先，作為本文提出的基于模型的人體跟蹤的基礎，本文在借鑒量子計算和量子進化算法(QEA)思想的基礎上，提出概率進化算法(PEA)。在概率進化算

2、法中，個體采用由觀測概率構(gòu)成的概率復合位進行編碼，通過觀測操作得到個體的觀測值，通過更新操作改變概率復合位中的觀測概率使個體得以進化。函數(shù)優(yōu)化和0-k背包問題實驗表明，與量子進化算法和傳統(tǒng)遺傳算法相比，概率進化算法在適用范圍、搜索能力和收斂速度上有明顯的優(yōu)勢。 其次，針對基于模型的目標檢測和跟蹤，本文提出了基于概率進化算法的人體跟蹤。在基于概率進化算法的人體跟蹤中，將跟蹤置于函數(shù)優(yōu)化框架內(nèi)，視跟蹤為在模型可行域內(nèi)求解與圖像觀測特

3、征具有最優(yōu)匹配的模型的函數(shù)優(yōu)化問題，并對此目標函數(shù)使用概率進化算法尋優(yōu)。模擬場景和真實場景實驗表明，與基于粒子濾波的人體跟蹤算法相比，基于概率進化算法的人體跟蹤具有較高的跟蹤精度和較快的運算速度。 最后，針對基于區(qū)域的目標檢測和跟蹤，本文提出了結(jié)合相關(guān)向量和Boosting學習的實時多人臉跟蹤系統(tǒng)。在系統(tǒng)啟動時，通過基于Boosting學習的人臉檢測器檢測人臉，并構(gòu)建人臉的運動模型和色彩模型；在跟蹤過程中，根據(jù)人臉狀態(tài)的不同采用