详情

原文传递监控视频中行人的检测与跟踪

论文题名：	监控视频中行人的检测与跟踪
关键词：	HOG特征;Adaboost算法;目标检测;粒子滤波;行人跟踪;监控视频
摘要：	目标的检测与跟踪是计算机视觉的一个重要研究领域。目前比较流行的应用包括机器人控制、车辆导航、基于视觉的控制、人机接口和视频场景监控。虽然目标的检测与跟踪技术已经研究了十几年，但仍是一个比较热门的研究领域，目前尚未出现一个精确、健壮、通用、高性能和实时的目标检测和跟踪的方法。由于人体的固有特性和应用场景的复杂性，人与人或者人与环境之间的相互影响使得人体的检测与跟踪变得更加困难。　　本文主要研究了摄像机静止情况下基于单目视觉的行人检测与跟踪方法，详细介绍了行人检测与跟踪的算法设计与具体的实现过程，并给出了详细的实验结果分析。　　论文的主要工作有：　　(1)行人检测部分。本文采用基于机器学习的检测方法。从INRIA数据库中选取一定数量的人体样本和非人体样本，提取出样本的HOG特征，然后使用Adaboost算法训练得到人体分类器。这样我们就可以借助已训练的分类器对未知的待检测窗口分类，判断出待检测窗口是否为人体。除此之外，本文提出了一种基于Adaboost的改进的检测方法，该算法在Adaboost的基础上，利用正负样本的HOG特征来训练HOG特征中各个块的权重值，进而形成一个分类器。通过实验验证了该方法的有效性，但是，该方法的不足之处是运算速度比较慢。论文最后给出对静止图片的检测结果，并对实验结果进行了详细的分析。　　(2)行人跟踪部分。根据行人检测部分训练出来的分类器，我们可以对视频中感兴趣的部分进行检测，以获得所需的目标。提取目标的颜色空间直方图，然后再使用粒子滤波的方法对行人进行跟踪。粒子滤波是一种用非参数化的蒙特卡罗方法实现递推贝叶斯滤波的方法，适应于任何非线性系统，精度可以逼近最优估计。该方法使用非常灵活，而且容易实现，实时性强。论文中主要叙述了粒子滤波理论及其实现方法，并在粒子滤波的跟踪框架内使用颜色空间信息完成对行人的跟踪。论文最后给出了多组实验，并对实验结果进行分析。　　通过实际采集的多种不同环境下的视频图像对文中的方法进行了验证，本文的方法能有效的检测图像中的行人，能够自动检测并跟踪单目标，实验结果证明了检测与跟踪方法的有效性。
作者：	陈晓伟
专业：	控制科学与工程；模式识别与智能系统
导师：	李久贤
授予学位：	硕士
授予学位单位：	东南大学
学位年度：	2012
正文语种：	中文