论文部分内容阅读
行人检测是近几年的研究热点并且发展迅速。目前已经涌现了很多优秀的行人检测方法,能够满足实际应用对检测率等性能的要求。本文通过查阅国内外复杂背景下行人检测的相关资料,深入研究现有识别方法及相关理论,针对现有通用的行人检测步骤,详细研究了从行人检测及至跟踪的每一个环节。通过建立全局运动估计参数模型,运用基于改进的ORB特征的快速目标检测算法对行人进行检测和跟踪,最后利用基于K-means算法和PROSAC(改进的样本一致性)算法去除误匹配点,以准确识别和跟踪目标行人,提高准确性。首先针对实际情况,建立全局运动参数模型以便能够准确及时的对复杂背景下的目标行人进行检测并予以跟踪,参数模型使用的参数越多,对全局运动的估计越准确,但计算复杂性也越大。综合考虑算法的计算量、实时性以及运动估计精度,本文采用的摄像机的运动参数模型是正交投影六参数仿射模型。其次在复杂背景下行人的检测与跟踪的研究中,采用基于改进的ORB特征的快速目标检测算法对行人进行检测和跟踪,先从各帧图像中的目标行人检测出改进的FAST特征点,组成一个oFAST特征点集,使用改进的BRIEF描述子rBRIEF对检测到的特征点进行描述,结合贪婪算法和穷举算法对其执行一个搜索,从所有可能的二进制测试中找到既具有高方差又具有非相关性的rBRIEF,利用改进的ORB算法对图像各帧和目标帧中的行人目标进行特征点匹配,实现了跟踪的目的,并进行仿真验证。最后在复杂背景下对目标所提取的特征点进行匹配时,由于摄像机的平移、旋转和缩放等运动都会给最后的结果带来干扰,利用贪婪算法执行搜索也会产生误匹配,文中采用基于K-means算法先筛选特征点对,然后利用PROSAC算法重复迭代去除外点,采用最小二乘估计去求得参数矩阵以接近真实值。仿真结果表明,去除误匹配后更能准确及时跟踪到图像中行人目标。