單目視覺多行人目標檢測與跟蹤技術(shù)研究.pdf

1、行人檢測技術(shù)在智能監(jiān)控系統(tǒng)、智能車輛/輔助駕駛、運動分析、高級人機接口等眾多方面具有廣泛的應用前景和研究價值,是近年來計算機視覺領(lǐng)域備受關(guān)注的前沿方向和研究熱點。行人檢測包括了行人目標的檢測、提取、識別和跟蹤等方面的內(nèi)容,由于應用場所各異、環(huán)境復雜,加之具有的服飾變化、姿態(tài)變化、人體運動的隨意性和隨機性、遮擋等方面特點,使其成為一個具有挑戰(zhàn)性的困難問題,受到學術(shù)界廣泛關(guān)注。
　　 為了克服多行人目標相互遮擋帶來的影響,本文采用單

2、目垂直攝像方式獲取檢測區(qū)域的行人目標圖像,建立借助人體特定部位一頭部的特征實現(xiàn)多行人目標的檢測與跟蹤方案。圍繞形變與尺度變化下的多頭部目標的檢測與跟蹤,重點研究了靜態(tài)圖像中頭部目標的分割、基于多特征的頭部目標識別,彩色圖像序列中運動行人目標的快速檢測,以及復雜場景中尺度變化的行人目標的跟蹤問題,形成了一套序列圖像中的多行人目標自動檢測與跟蹤方法。
　　 論文主要內(nèi)容如下:
　　 ①討論了行人檢測技術(shù)的研究背景、發(fā)展現(xiàn)狀及

3、研究意義,在對各種信息感知手段進行綜合比較的基礎(chǔ)上,重點闡述了基于計算機視覺的行人檢測技術(shù)研究現(xiàn)狀及研究進展,分析了當前行人檢測技術(shù)在目標識別與跟蹤方面的不足。
　　 ②詳細分析了單目視覺下行人信息的采集方式以及在不同采集方式下行人圖像的特點,針對基于整體與基于部位組合的行人檢測方法難以實現(xiàn)遮擋情況下的多行人目標的正確檢測,本文將人體的特定部位一頭部特征作為區(qū)分多個人體目標的特征。在此基礎(chǔ)上,通過對垂直單目視覺下現(xiàn)有頭部檢測方法

4、以及行人頭部特征的分析,提出結(jié)合顏色特征、形狀特征、運動特征等多種特征實現(xiàn)頭部目標的檢測方案。
　　 ③研究了靜態(tài)彩色圖像中的多頭部目標分割與識別技術(shù)。
　　 針對基于發(fā)色或灰度特征的頭部目標分割方法易受光照的影響,難以完整地分割出頭部目標區(qū)域的問題,提出一種面向頭部區(qū)域候選目標提取的改進meanshift彩色圖像分割算法。該算法對經(jīng)典mean shift分割算法進行了兩個方面的改進:一是基于不同帶寬下的分割圖像與原始圖

5、像相關(guān)性變化規(guī)律,建立了基于相關(guān)性比較的帶寬自動計算方法；二是充分考慮核窗口內(nèi)像素點顏色和位置的影響,提出以核窗寬內(nèi)像素的中值作為收斂點的值,改善了圖像分割的平滑性。
　　 在此基礎(chǔ)上,針對靜態(tài)圖像中的多個頭部目標的識別問題,在兼顧快速性和有效性的基礎(chǔ)上,結(jié)合頭部目標的發(fā)色分布特征和輪廓特征,建立了基于發(fā)色模型和圓存在性模型的級聯(lián)檢測器,以消除偽頭部目標。實驗結(jié)果表明,該方法能有效地消除與發(fā)色分布類似或灰度分布與頭部接近的類圓區(qū)

6、域,提高了頭部目標識別的正確率。
　　 ④研究了彩色圖像序列中的多頭部目標檢測問題。以計算簡單、快速、能較為準確地提取頭部運動區(qū)域為目標,建立了一種結(jié)合運動檢測與發(fā)色檢測的多頭部目標檢測算法。該算法在研究和分析各種運動目標提取算法的基礎(chǔ)上,提出基于3幀彩色邊緣圖像差分的運動目標區(qū)域提取,并通過對運動區(qū)域進行發(fā)色檢測和連通域特征分析,實現(xiàn)對頭部目標的快速提取和定位。
　　 ⑤研究了基于改進mean shift的行人頭部目標

7、跟蹤方法。在分析行人頭部目標運動中的旋轉(zhuǎn)、形變等特點的基礎(chǔ)上,將mean shift算法引入行人頭部目標跟蹤,并針對mean shift跟蹤算法的不足進行改進,給出了相應的解決方案。將LTP(Local Ternary Patterns)紋理特征引入頭部目標跟蹤,建立了融合LTP紋理特征和顏色特征的頭部目標表示模型；提出了基于運動方向信息與核匹配的跟蹤初始點選擇算法,并采用基于主成分分析的跟蹤窗口自適應跟蹤技術(shù)。最終,結(jié)合上述工作,形成

8、了一套復雜場景下的尺度自適應的行人目標跟蹤方法。
　　 ⑥基于前述研究成果,提出將行人頭部目標的檢測、跟蹤與匹配技術(shù)有機結(jié)合起來,實現(xiàn)數(shù)目可變的多行人目標的自動檢測與跟蹤的方法,并將其應用于視頻監(jiān)控場景下的行人目標軌跡跟蹤與公交場景下的上下車乘客人數(shù)自動統(tǒng)計。實驗結(jié)果表明,所提方法能夠解決新目標的出現(xiàn)、目標的暫時消失、目標誤檢測等問題,使得行人檢測結(jié)果更加準確與可靠。
　　 各檢測與跟蹤算法實驗以及綜合的場景應用實驗表明