论文部分内容阅读
多行人目标检测与跟踪技术在智能视频监控、现代国防等众多领域都具有重要的研究价值和应用价值。由于场景的复杂性、行人目标的多变性等因素,在复杂的背景环境下开发一套鲁棒的视频跟踪算法面临着巨大的挑战。本文在前人研究的基础上,开发出一套多行人的跟踪系统,解决了一定的跟踪难题。首先对于行人检测部分,本文研究了基于静态的图像的检测算法和基于动态视频的检测算法。对于基于静态的图像的检测,本文通过对HOG特征和LBP特征的研究,提出了一种改进的HOG-LBP特征,即将两特征串联起来,再进行SVM分类时,成功的概率大大提升;对于基于动态视频的检测,本文通过对基本码本算法和在YUV颜色空间建立的码本算法的研究,本文在YCbCr颜色空间建立了码本背景模型,使得运行速度加快,检测率也有所提升;对二值图进行行人目标识别,本文采用可分割互相遮挡的目标的垂直投影直方图算法。然后对于行人跟踪部分,本文首先对比了常见的三种跟踪算法(meanshift、camshift和卡尔曼滤波)的跟踪结果,通过对其原理的分析得出三种算法对背景环境都有所限制:meanshift算法和camshift算法限制于低速的运动,卡尔曼滤波算法限制于线性、高斯的情况,从而引出应用更加广泛、改进空间更大、跟踪的效果更好的粒子滤波算法以及本文对其进行的改进。对于粒子滤波算法,本文首先对其基本原理、流程和发展过程作了详细介绍;其次考虑到基本的粒子滤波算法将算法观测模型建立在单一的颜色信息上,缺乏对目标信息全面的描述,导致算法的鲁棒性不高,本文对算法的观测模型进行了有效的改进:不仅考虑目标的颜色信息,更增加了目标的形状信息,并且对二者的权值通过模糊逻辑进行自适应调节,做到实时更新,这样更加全面、有效地描述了目标,使得改进粒子滤波算法的性能大大提升,能够解决行人目标旋转、变形的难题,最后通过实验验证其在实际应用中的有效性。最后,根据对上述两个关键部分的研究和改进,本文提出了一套多行人自动跟踪系统。系统分为两个环节——开环控制环节和闭环控制环节,通过运行遮挡判断算子,若没有发生目标遮挡,则运行开环控制环节,即只运行跟踪算子(粒子滤波算法)进行开环跟踪,若发生目标遮挡,则运行闭环控制环节,即运行检测算子(HOG-LBP特征+SVM分类器)对跟踪结果进行校正,并更新跟踪算子中粒子的数目,达到反馈的目的,通过在两个控制的自由切换,系统成功的解决了多个行人目标发生遮挡的难题。通过实验验证,本文开发的多行人目标跟踪系统能够准确、快速的实现多个行人目标的跟踪要求。