原文传递
复杂环境下运动人体检测与跟踪算法研究
| 论文题名： | 复杂环境下运动人体检测与跟踪算法研究 |
| 关键词： | 运动人体检测;跟踪算法;特征提取;梯度方向直方图;MeanShift算法;Kalman滤波 |
| 摘要： | 运动人体检测与跟踪技术是智能交通和计算机视觉领域的关键技术，近年来受到国内外学者的广泛关注与研究。运动人体检测与跟踪技术在电子监控系统、智能交通管理、军事等多个领域都有着广泛的应用。由于受到复杂场景下光照变化、遮挡等诸多因素的影响，现有的方法在实际应用方面还面临着许多困难，因此，研究可靠的运动人体检测与跟踪算法既具有挑战性，又有着重大的意义。 本论文在研究了计算机视觉相关理论的基础上，对典型的运动人体检测与跟踪算法进行了分析，并提出了相关的改进算法。本文主要完成了以下研究工作: 针对运动人体检测方面，提出了一种基于主成分分析梯度方向直方图(HOG-PCA)和GentleAdaboost分类器的快速运动人体检测算法。首先对图像进行分块，提取其多尺度HOG特征，然后使用主成分分析(PCA)方法对HOG特征向量进行降维，最后将HOG-PCA特征向量输入GentleAdaboost分类器，实现目标的准确分类。相对于原始HOG特征提取方法，HOG-PCA能够有效的降低计算复杂度，而采用GentleAdaboost算法进行分类器的训练能够有效的提高训练效率。实验结果表明，本文方法检测的错误率更低，同时具有较快的检测速度。 针对运动人体跟踪方面，由于传统的MeanShift目标跟踪算法在背景和目标颜色接近时鲁棒性较差，本文提出了一种融合纹理特征和颜色特征的改进MeanShift算法。首先利用Kalman滤波预测出运动人体在下一帧的可能出现位置，然后运用改进的MeanShift算法在此范围内进行搜索与目标匹配，由此可以获得较为准确的跟踪结果，运算量也会得到降低。适合在较复杂的场景中来确定运动人体在图像序列中的位置和大小。实验结果表明结合改进的MeanShift算法和Kalman滤波在相同颜色干扰和运动人体速度较快时仍能有效的进行跟踪。 |
| 作者： | 熊慧 |
| 专业： | 计算机应用技术 |
| 导师： | 蒋加伏 |
| 授予学位： | 硕士 |
| 授予学位单位： | 长沙理工大学 |
| 学位年度： | 2013 |
| 正文语种： | 中文 |
检索历史
应用推荐
