基于視頻的行人檢測(cè)與跟蹤技術(shù)研究.pdf

1、正是由于計(jì)算機(jī)技術(shù)的快速發(fā)展，計(jì)算能力得到很大程度的提高，才使得利用計(jì)算機(jī)實(shí)現(xiàn)人類的視覺功能成為目前計(jì)算機(jī)領(lǐng)域中最熱門的研究課題之一。行人檢測(cè)與跟蹤技術(shù)作為計(jì)算機(jī)視覺領(lǐng)域的一個(gè)研究熱點(diǎn)和前言方向，在智能交通、人數(shù)統(tǒng)計(jì)、公共安全和智能監(jiān)控等許多方面都有其重要的應(yīng)用價(jià)值和實(shí)際意義，同時(shí)，由于行人姿態(tài)各異和環(huán)境復(fù)雜等因素，給行人檢測(cè)與跟蹤技術(shù)研究帶來很多難點(diǎn)問題，如行人遮擋和跟蹤的穩(wěn)定性等，因此，有待進(jìn)一步研究，為各個(gè)領(lǐng)域提供必要的技術(shù)支持。

2、本論文圍繞這些難點(diǎn)展開研究，旨在提高行人檢測(cè)的檢測(cè)率和行人跟蹤的穩(wěn)定性，主要研究?jī)?nèi)容可以概括如下:
　　1、總結(jié)了目前被廣泛應(yīng)用于行人檢測(cè)與跟蹤領(lǐng)域的圖像特征，如HOG、Haar、Edgelet和顏色特征等，詳細(xì)描述了特征提取的方法，以及分析它們的優(yōu)缺點(diǎn)。
　　2、實(shí)現(xiàn)了基于混合高斯模型和基于幀間差分的感興趣區(qū)域的提取，先通過這兩種方法提取前景區(qū)域，再通過連通域處理得到感興趣區(qū)域，還研究了基于單一特征分類的行人檢測(cè)算法。

3、r>　　3、融合感興趣區(qū)域和多特征，改進(jìn)了傳統(tǒng)的基于Haar特征AdaBoost分類的行人檢測(cè)算法。首先提取感興趣區(qū)域，在感興趣區(qū)域內(nèi)，采用兩層不同特征分類器檢測(cè)行人，上層利用Haar特征分類器快速對(duì)待檢測(cè)樣本進(jìn)行粗略分類，得到候選行人目標(biāo)，然后再次采用Edgelet特征分類器，對(duì)候選行人目標(biāo)各個(gè)部位進(jìn)行精細(xì)檢測(cè)，最后對(duì)候選行人目標(biāo)采用貝葉斯決策判斷行人，得到最終行人檢測(cè)結(jié)果，最后還對(duì)經(jīng)典算法和本文算法做了比較。
　　4、為了提高