论文部分内容阅读
对象识别是计算机视觉领域的研究热点,其主要目的是从复杂的图像场景中识别出人们所感兴趣的目标。视频中运动对象识别是智能监控系统的关键,通过对象识别技术可以区分监控场景中的人物、车辆、动物等。其中,人物对象识别是最为重要的研究内容之一。传统的人物对象识别主要将行人从多种运动对象中区分出来,而并没有进一步对人物进行分析理解。在监控系统中,对人物的进一步分析理解能够提供丰富的属性信息,这些信息可以运用到异常事件检测、行人再识别、商场人流统计分析等方面。然而,由于受到成本的限制,目前大部分机构所采用的监控设备分辨率不高,监控画面不能提供足够清晰的人物图像,因此传统基于图像的人物分析技术很难应用到智能监控领域中。针对上述问题,本文针对监控画面中人物属性识别进行相关研究,主要内容包括:1.针对目标跟踪问题,有两方面的工作。其一是提出了利用三步搜索的思想实现目标跟踪的算法结构,这种方法能有效跟踪目标,并且其算法耗时低,能够满足监控系统对实时性的需求。其二是提出粒子滤波跟踪算法的改进方法,有效降低跟踪目标所需要的粒子数,减少跟踪耗时。2.提出行人目标运动状态属性的识别算法。针对监控场景中行人对象行走、奔跑、骑车几种不同状态,提出了分层结构的识别算法。通过分析不同状态的行人对象局部特征的差异性,提取有效的局部特征结合步态分析技术实现了对上述运动状态逐级识别。3.提出基于行人外观的性别识别算法。针对监控场景行人分辨率不高的问题,提出了基于各个区域外观特征实现行人性别识别的算法框架。算法的特点在于所提取的特征是针对行人各个不同区域构建的,最后整合不同特征的识别结果实现对行人性别的识别。此外,提出了利用此算法框架解决特定职业识别的应用。4.构建行人携带包裹的检测算法。为了给监控系统提供更为丰富的人物信息,提出了行人身上所携带包的检测算法,取得了初步检测效果。